Layer normalization 篇

来自： AiGC面试宝典

Layer normalization-方法篇

一、Layer Norm 篇

1.1 Layer Norm 的计算公式写一下？

$$ \begin{array}{c}{{\displaystyle\mu=E(X)\leftarrow\frac{1}{H}\sum_{i=1}^{H}x_{i}}}\ {{\mathrm{}}}\ {{\displaystyle\sigma\leftarrow V a r(x)=\sqrt{\frac{1}{H}\sum_{i=1}^{H}(x_{i}-\mu)^{2}+\epsilon}}}\end{array} $$

$$ y=\frac{x-E(x)}{\sqrt{V a r(X)+\epsilon}}\cdot\gamma+\beta $$

gamma:可训练的再缩放参数beta：可训练的再偏移参数

二、RMS Norm 篇 （均方根 Norm）

2.1 RMS Norm 的计算公式写一下？

$$ R M S(x)=\sqrt{\frac{1}{H}\sum_{i=1}^{H}x_{i}^{2}} $$

$$ x=\frac{x}{R M S(x)}\cdot\gamma $$

2.2 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

3.1 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)。

3.2 写一下 Deep Norm 代码实现？

def deepnorm(x): return LayerNorm（x *α +f（x）)
def deepnorm_init(v): nn.init.xavier_normal_(w, gain=β) nn.init.xavier_normal_(v,gain=1)

Deep Norm 有什么优点？

def deepnorm(x): return LayerNorm（x *α +f（x）)
def deepnorm_init(v): nn.init.xavier_normal_(v,gain=1)

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：

a. 位置：layer norm在残差链接之后
b. 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

2. Pre-LN：

a. 位置：layer norm在残差链接中
b. 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
c. 缺点：相比于Post-LN，Pre-LN的模型效果略差

3. Sandwich-LN：

a. 位置：在pre-LN的基础上，额外插入了一个layer normb. 优点：Cogview用来避免值爆炸的问题c. 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