1.为什么在训练神经网络之前，要对输入数据做归一化处理？
神经网络学习过程的本质是为了学习数据的分布，一方面一旦训练数据与测试数据的分布不同，那么网络的泛化能力也降低。另一方面一旦每批训练数据的分布各不相同(batch 梯度下降)，那么网络就要在每次迭代都去学习适应不同的分布，这样将会大大降低网络的训练速度，这也正是为什么我们需要对数据都要做一个归一化预处理的原因。
2.卷积层及池化层的作用？
卷积用于提取特征。池化用于降低数据维数。