Layer normalization-方法篇一、Layer Norm 篇

Layer normalization-方法篇一、Layer Norm 篇

1.1 Layer Norm 的计算公式写一下？

二、RMS Norm 篇 （均方根 Norm）

1. RMS Norm 的计算公式写一下？

1. RMS Norm 相比于 Layer Norm 有什么特点？

RMS Norm 简化了 Layer Norm ，去除掉计算均值进行平移的部分。对比LN，RMS Norm的计算速度更快。效果基本相当，甚至略有提升。三、Deep Norm 篇

1. Deep Norm 思路？
   Deep Norm方法在执行Layer Norm之前，up-scale了残差连接 (alpha>1)；另外，在初始化阶段down-scale了模型参数(beta<1)。

写一下 Deep Norm 代码实现？

Deep Norm 有什么优点？

Deep Norm可以缓解爆炸式模型更新的问题，把模型更新限制在常数，使得模型训练过程更稳定。

Layer normalization-位置篇

1 LN 在 LLMs 中的不同位置 有什么区别么？如果有，能介绍一下区别么？

回答：有，LN 在 LLMs 位置有以下几种：

1. Post LN：

2. 1. 位置：layer norm在残差链接之后

   2. 缺点：Post LN 在深层的梯度范式逐渐增大，导致使用post-LN的深层transformer容易出现训练不稳定的问题

3. Pre-LN：

4. 1. 位置：layer norm在残差链接中

   2. 优点：相比于Post-LN，Pre LN 在深层的梯度范式近似相等，所以使用Pre-LN的深层transformer训练更稳定，可以缓解训练不稳定问题

   3. 缺点：相比于Post-LN，Pre-LN的模型效果略差

5. Sandwich-LN：

6. 1. 位置：在pre-LN的基础上，额外插入了一个layer norm

   2. 优点：Cogview用来避免值爆炸的问题

   3. 缺点：训练不稳定，可能会导致训练崩溃。

Layer normalization 对比篇

LLMs 各模型分别用了 哪种 Layer normalization？

BLOOM在embedding层后添加layer normalization，有利于提升训练稳定性:但可能会带来很大的性能损失