BN网络的一个问题

借用网上的一段话来阐述下我的困惑：
BN核心思想应该是想找到一个线性和非线性的较好平衡点，既能享受非线性的较强表达能力的好处，又避免太靠非线性区两头使得网络收敛速度太慢。当然，这是我的理解，论文作者并未明确这样说。但是很明显这里的scale和shift操作是会有争议的，因为按照论文作者论文里写的理想状态，就会又通过scale和shift操作把变换后的x调整回未变换的状态，那不是饶了一圈又绕回去原始的“Internal Covariate Shift”问题里去了吗，感觉论文作者并未能够清楚地解释scale和shift操作的理论原因。

我梳理一下流程啊：数据->输入层->bn层->relu层，就是个例子哈。训练到最后阶段，假设结果可以 训练的非常好，bn层最后重构两个参数训练的可以将数据还原成原始数据的样貌，那么bn层不就是没用了，那我还要bn层有什么用呢。bn层不就是确保进入激活层的数据分布更好么？

@胡梦柯5 @璐村惂鐢ㄦ埛_7SKAAD6馃惥
感谢二位的解答。但是我总是觉得我的疑惑和二位的解答不在一个道上。
我理解BN的作用主要是将数据往线性范围去拉，防止梯度消失之类的问题，这个我完全可以理解。我不理解的是scale和shift的含义，因为用BN层前几步的作用是为了更好地让数据在激活层运作，行，现在我把数据处理好了，也减去平均值了，也把方差变成1了，不就可以直接送到激活层，然后这样训练不就好了么，为什么还多此一举在激活层前，加入了scale和shift呢？我好不容易把数据拉到了线性区域，你倒好，还要通过每次不停地训练scale和shift参数把我的数据还原回去（原文作者的意思是最理想的状态是还原成原始数据？？？？？what？？？？这不是等于没加BN层了么？？？？？作者在原文并没有解释这个含义）
按照作者的理想结果，scale shift参数将激活层前的数据还原成原始数据，那BN层不就等于无了么？？我还训练个什么劲啊