Transformer 大语言模型（LLM）基石 - Transformer架构详解 - 层归一化（Layer Normalization）详解以及算法实现

原创于 2025-12-12 15:11:52 发布 · 214 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#transformer #语言模型 #深度学习

Transformer 专栏收录该内容

12 篇文章

订阅专栏

锋哥原创的Transformer 大语言模型（LLM）基石视频教程：

https://www.bilibili.com/video/BV1X92pBqEhV

课程介绍

本课程主要讲解Transformer简介，Transformer架构介绍，Transformer架构详解，包括输入层，位置编码，多头注意力机制，前馈神经网络，编码器层，解码器层，输出层，以及Transformer Pytorch2内置实现，Transformer基于PyTorch2手写实现等知识。

Transformer 大语言模型（LLM）基石 - Transformer架构详解 - 层归一化（Layer Normalization）详解以及算法实现

层归一化（LayerNorm）是对输入的每一维特征进行归一化，使得网络在训练过程中保持稳定。

公式：

优点：

稳定性：层归一化可以防止输入值的范围过大或过小，使得训练过程更加稳定。
与批大小无关：不像批归一化依赖于批量大小，层归一化是针对每个样本单独进行归一化，非常适合序列模型。

代码实现：

# 层归一化
class LayerNorm(nn.Module):

    # features 512 词嵌入维度 eps 极小值常数，防止零分母
    def __init__(self, features, eps=1e-6):
        super().__init__()
        self.gamma = nn.Parameter(torch.ones(features))  # 可学习的缩放参数
        self.beta = nn.Parameter(torch.zeros(features))  # 可学习的平移参数
        self.eps = eps

    def forward(self, x):
        """
        前向传播
        参数:
            x: 输入张量 [batch_size, seq_len, d_model] [3,5,512] 来自多头自注意力机制，或者来自前馈神经网络
        返回:
            归一化后的张量
        """
        mean = x.mean(-1, keepdim=True)  # 计算均值 [3,5,512]
        variance = x.var(-1, keepdim=True)  # 计算方差 [3,5,512]
        x = (x - mean) / torch.sqrt(variance + self.eps)  # 归一化 [3,5,512]
        return self.gamma * x + self.beta


if __name__ == '__main__':
    vocab_size = 2000  # 词表大小
    embedding_dim = 512  # 词嵌入维度的大小
    embeddings = Embeddings(vocab_size, embedding_dim)
    embed_result = embeddings(
        torch.tensor([[1999, 2, 99, 4, 5], [66, 2, 3, 22, 5], [66, 2, 3, 4, 5]]))
    print("embed_result.shape:", embed_result.shape)
    print("embed_result", embed_result)

    positional_encoding = PositionalEncoding(embedding_dim)
    result = positional_encoding(embed_result)
    print("result:", result)
    print("result.shape:", result.shape)

    # 测试自注意力机制
    # query = key = value = result
    # mask = create_sequence_mask(5)
    # dropout = nn.Dropout(0.1)
    # attention_output, attention_weights = self_attention(query, key, value, mask, dropout)
    # print("attention_output.shape:", attention_output.shape)  # [3, 5, 512]
    # print("attention_weights.shape:", attention_weights.shape)  # [3, 5, 5]
    mha = MultiHeadAttention(d_model=512, num_heads=8)
    print(mha)
    mask = create_sequence_mask(5)
    result = mha(result, result, result, mask)
    print("result.shape:", result.shape)  # [3, 5, 512]
    # 测试前馈神经网络
    # ffn = FeedForward(d_model=512, d_ff=2048)
    # ffn_result = ffn(result)
    # print('ffn_result:', ffn_result.shape)
    # 测试层归一化
    ln = LayerNorm(features=512)
    ln_result = ln(result)
    print("ln_result:", ln_result.shape)

运行结果：