Keras批量规范化层还是规范化?

我使用人口普查数据集,并使用以下公式进行标准化:

dtypes = list(zip(X.dtypes.index, map(str, X.dtypes)))
for k,dtype in dtypes:
    if dtype == "float32":
        X[k] -= X[k].mean()
        X[k] /= X[k].std()

从 this 例子。

我发现:

tf.keras.layers.BatchNormalization()

我的模型:

  model = tf.keras.Sequential()
  model.add(tf.keras.layers.Dense(100, activation=tf.nn.relu, input_shape=(input_dim,)))
  model.add(tf.keras.layers.BatchNormalization())
  model.add(tf.keras.layers.Dense(70, activation=tf.nn.relu))
  model.add(tf.keras.layers.Dense(50, activation=tf.nn.relu))
  model.add(tf.keras.layers.Dense(25, activation=tf.nn.relu))
  # The single output node and Sigmoid activation makes this a Logistic Regression.
  model.add(tf.keras.layers.Dense(1, activation=tf.nn.sigmoid))

问题:

1)我可以通过添加这个额外的层来替换现有的标准化吗?

2) 为了推断,额外的一层也可以吗?