漫漫長路

歸一化默認情況下是對 row每個 elements做平方加總開根號得到 norm之 值，此可用於對向量做減的動作例如輸入資料為 ([0 3 4 ?], [2 5 6 ?]) ，可 以看出資料四缺失，但若要對它做預測的話是填零此項不公平因需要對數據做歸一化， (此處計算 norm有加入以資料總數 有加入以資料總數 )例如第一 row的[0 3 4 ?] 變為 [-1.6 1.4 2.4 ?] ，此時 ? 是作為一個中間值而非 是作為一個中間值而非 0這種極值，對整體 神經網路預測較為公平。
本題中做除法是對於當資料各個特徵值相差過大時，例如 : 預測房屋價錢 之神經網路，若 feature有房屋坪數 (非常大的數值 非常大的數值 )以及房屋氣味 (小數值 )，對於計算可能會造成誤差，因此做歸一化使數 值變種機率而非實體值， 個別 feature數值間大小差異就可以縮小。

參考 :
1.《tensorflow實戰 google深度學習框架》
2. 《機器學習》 coursera
3. 《deep neural network》coursera
4. 程式跑的結果