原书出处
大语言模型-基础与前沿 (熊涛)
03 第3章 Transformer
归一化是由Ba et al(2016)引入的一种技术,该技术在Transformer取得显著成功的过程中发挥了关键作用。
在原始Transformer论文中,在残差模块之间加入了层归一化,称为“带有层后归一化(Post-LN)的Transformer”。然而,层后归一化会导致输出层附近的预期梯度很大,使得学习率高时训练过程变得不稳定。
为了解决这个问题,原始Transformer论文使用预热阶段来逐渐提高学习率。但是,这种方法可能会减慢优化速度,并添加了
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter5.xhtml
EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d