28. 某 AI 團隊正在訓練一個深度神經網路，用於辨識工廠產線上的瑕疵零件。工程 師發現訓練過程中損失函數震盪幅度大，且不同批次資料造成模型學習方向不 穩定。為改善此問題，團隊在各隱藏層加入 Batch Normalization 機制。請問此 調整在訓練階段最主要的作用為何？
(A)將輸入影像標準化，使不同類別的特徵分布更加一致；
(B)自動調整模型權重初始化方式，以避免訓練初期震盪；
(C)增加模型隱藏層的非線性能力，以提升分類精度上限；
(D)降低不同批次輸入造成的內部特徵分布變動，使梯度更新更穩定

答案：登入後查看
統計： A(0), B(0), C(0), D(1), E(0) #3922922