Layer Normalization
motivation
- 深度神经网络涉及到很多层的叠加,而每一层的参数更新会导致上层的输入数据分布发生变化
- 层层叠加,高层的输入分布变化会非常剧烈,使得高层需要不断去重新适应底层的参数更新
公式
h = α x − μ σ + β h=\alpha\frac{x-\mu}{\sigma}+\beta h=ασx−μ+β
作用
- 规范优化空间,保证数据特征分布的稳定性(前向传播的输入分布变得稳定,后向的梯度更加稳定)
- 通过对层的激活值的归一化,可以加速模型收敛
- 对单个训练样本进行,不依赖于其他数据进行归一化
Transformer
优缺点
优点:
- 相比CNN,计算两个位置之间的关联所需的操作次数不随距离增长(任意两个单词的距离变成1)
- 突破了RNN模型不能并行计算的限制,特征抽取能力比RNN系列的模型要好
- 全局信息的有效处理
缺点:
4. 序列较长时,计算耗时严重
5. Transformer需要一种方式来表示序列中元素的相对或绝对位置关系
6. Transformer模型缺乏归纳偏置 inductive bias能力,在数据不足时无法很好地泛化到新任务上,不具备像CNN那样的平移不变性和局部性
7. 丧失了捕捉局部特征的能力