核心要点
解释内部协变量偏移
训练 vs 推理行为差异
与 LayerNorm 对比
简要回答
BN 对每个 mini-batch 的激活做减均值除方差，再学缩放平移参数；训练用 batch 统计，推理用滑动平均的全局统计。
标准回答
一、先把结论讲清楚
深层网络各层输入分布随前层参数更新而漂移，训练会变慢，也更依赖小心调学习率。BatchNorm 的目标是让每层输入分布更稳定。
二、拆开机制和判断点
BN 在层内对 mini-batch 归一化：μ、σ 由当前 batch 估计，再通过 γ、β 做可学习仿射变换。训练时用 batch 统计，推理时使用训练阶段累积的 running mean/var。
三、补上例子、边界和取舍
可以顺手对比 LayerNorm：BN 依赖 batch 维度，小 batch 时不稳定；LN 在特征维度归一化，更适合 Transformer 和 RNN。
面试里不要只停在公式或名词，可以补 Batch Normalization 的作用是什么 对训练稳定性、泛化、收敛速度或显存/算力的影响。再说明一个常见调参或排错场景，面试官会更容易判断你真的用过这些方法。
常见误区
⚠️ 常见踩坑
误区一：容易答偏的地方：只背概念不会举例；混淆相似术语；忽略工程落地约束（成本、延迟、数据质量）。
追问
追问 1：小 batch 时 BN 有什么问题？
题库专题：Epoch、Batch 与 Iteration 有什么区别？batch 统计量噪声大，running mean/var 不稳定，BN 层行为与推理不一致。小 batch 常用 GroupNorm、LayerNorm 或增大有效 batch（梯度累积、SyncBN）。
题库延伸：与本追问相关的专题题 → Epoch、Batch 与 Iteration 有什么区别？
追问 2：GroupNorm 适用场景？
batch size 小或 batch 语义无关时（检测、分割、视频单帧）；不依赖 batch 维度统计，训练/推理一致。大 batch 图像分类 BN 往往仍足够。
🔗 相似问题
同一考点的不同问法，换着练更稳
延伸学习
按主题分类的相关资源，便于系统复习