文档摘要

2.5 残差连接与层归一化 本节摘要：残差连接把每个子层的输入直接加到其输出上，为梯度提供旁路，使深层网络可训；层归一化对每个样本沿特征维度做标准化，稳定各层输入分布，且不受批大小与序列长度影响。二者在 Transformer 中组合为"Add & Norm"结构，包裹住每一个注意力与前馈子层，是六层乃至几十层堆叠能够稳定训练的先决条件。 会员。《2.5 残差连接与层归一化》收录于灏天文库文集《Transformer 模型详解：NLP领域的革新者》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/466-transformer-%E6%A8%A1%E5%9E%8B%E8%AF%A6%E8%A7%A3nlp%E9%A2%86%E5%9F%9F%E7%9A%84%E9%9D%A9%E6%96%B0%E8%80%85

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流