LayerNorm 与 BatchNorm异同

       思想与BatchNorm一致，都是通过将某一部分变为均值为0，方差为1来正则化，并且可以通过学习参数 γ 将其变为方差/均值为任意值的参数。

不同点：

1. BatchNorm是对feature即col进行归一化，而LayerNorm是对每一个batch即row进行归一化。
2. batchnorm是对全局做一个均值方差，这样碰到sequence长度不一致的时候，会导致之前拟合的参数不好用了。
3. layernorm则是以batch为单位计算均值方差，相对来说更加稳定。