merge_bn 合并bn层到conv或FC层原理介绍及代码实现
参考文献：http://blog.****.net/diye2008/article/details/78492181
1.ｂｎ合并的必要性：
bn层即batch-norm层，一般是深度学习中用于加速训练速度和一种方法，一般放置在卷积层（conv层）或者全连接层之后，将数据归一化并加速了训练拟合速度。但是ｂｎ层虽然在深度学习模型训练时起到了一定的积极作用，但是在预测时因为凭空多了一些层，影响了整体的计算速度并占用了更多内存或者显存空间。所以我们设想如果能将ｂｎ层合并到相邻的卷积层或者全连接层之后就好了，于是就有了这篇文章所提到的工作。
２.bn合并本身的数学原理:
bn层一般在神经网络中‘所处的位置如下图所示：
如上图可以看到，bn层的位置一般在conv（or Fc）层的后面，也有一些情况bn在conv(or Fc)层的前面。我们先来两种情况分别来考虑。
2.1 bn层在conv层之后的情形
bn合并的原理，可以由下两张图所示
bn层进行数据处理的过程
原文推导有误，本文推导如下：
代码：