Programma Les 83 van 246 · Module 6: Startgewichten en normalisatie
Module 6: Startgewichten en normalisatie

LayerNorm en RMSNorm

Waarom dit ertoe doet Transformers gebruiken geen BatchNorm. Ze normaliseren elk voorbeeld op zichzelf, wat de batch valkuil die je net tegenkwam vermijdt en werkt voor elke batch size.

  • LayerNorm normaliseert over de features van elk voorbeeld (elke rij): trek het gemiddelde van de rij af, deel door de spreiding van de rij, en gebruik dan gamma en beta per feature. Hetzelfde in training en gebruik.
  • RMSNorm is eenvoudiger en wordt gebruikt door veel recente taalmodellen: sla het gemiddelde over, deel elke rij door de wortel van het gemiddelde kwadraat, sqrt(mean(x squared) + eps), en vermenigvuldig dan met gamma.

Tintalletjes

Row [3, 4]. RMS = sqrt((9 + 16) / 2) = 3.536. RMSNorm geeft [0.849, 1.131]. LayerNorm trekt eerst het gemiddelde 3.5 af: [-1, 1].

Woorden en symbolen in deze les
Xavier, LeCun, He
beginnende spreads zijn sqrt(2 / (inputs + outputs)) of 1 / sqrt(inputs) voor tanh, en sqrt(2 / inputs) voor ReLU
BatchNorm (gamma, beta)
normaliseer elke feature over de batch, schaal dan opnieuw met geleerde gamma en beta
LayerNorm, RMSNorm
normaliseer elk voorbeeld apart, over zijn kenmerken
Jij bent aan de beurt

Schrijf layernorm(X, gamma, beta, eps=1e-5) en rmsnorm(X, gamma, eps=1e-6), beide per regel.

Een probleem ontdekt in deze les? Meld het · Vraag naar deze les

Deze oefening opent binnenkort

Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.