由于BatchNorm层需要大于一个图像输入，当最后一个批数据恰好只剩一个图像就会报此错误，解决方案：

if num_of_imgs > 1:
‘’‘continue training’‘’
认为设置长度小于2丢掉就好了

补充：

2.BN带来的好处。

(1) 减轻了对参数初始化的依赖，这是利于调参的朋友们的。

(2) 训练更快，可以使用更高的学习率。

(3) BN一定程度上增加了泛化能力，dropout等技术可以去掉。

3.BN的缺陷

从上面可以看出，batch normalization依赖于batch的大小，当batch值很小时，计算的均值和方差不稳定。