matconvnet 实现 Batch Normalization和dropout
采用matconvnet常常会出现如下情况，即训练出现了过拟合。针对过拟合常用的方法有正则化和dropout，以及batch normalization。
目前认为，卷积层后可以用batch normalization，不需要用dropout。而全连接层，参数较多，dropout效果较好。
以matconvnet中mnist数据集为例，opts.batchNormalization定义是否batch 归一化
如下也是在cnn_mnist_init.m文件中，定义batchNormalization位置，batchNormalization一般添加在卷积层之后。
需要注意的是，插入的层数，比如第一层后插入了batchNormalization，net的总层数会加1，第一层之后的每一层层数次序都会改变。
而添加dropout，直接在cnn_mnist_init.m文件中的，net.layers = {} ;结构体中添加即可。