深度学习｜表示学习｜Layer Normalization 全面总结｜24

如是我闻：

1. 什么是 Layer Normalization？

Layer Normalization（层归一化）是一种用于深度学习的归一化方法，它的核心思想是在单个样本的所有神经元上计算均值和标准差，然后进行归一化，使得不同神经元的输出分布更稳定，从而加速训练，提高泛化能力。

与 Batch Normalization（批归一化）不同，Layer Normalization 不依赖 batch 维度，它适用于 RNN、Transformer、小 batch 训练、强化学习等场景。

---

2. Batch Normalization vs. Layer Normalization

	Batch Normalization (BN)	Layer Normalization (LN)
归一化维度	对 mini-batch 维度 计算均值和标准差	对 单个样本的所有神经元 计算均值和标准差
适用于	CNN（计算机视觉任务）	RNN（自然语言处理）、Transformer、小 batch 训练
依赖 batch size	✅ 依赖 batch size，batch size 太小时效果不稳定	❌ 不依赖 batch size，适用于变长输入
计算方式	对 batch 里相同神经元的不同样本进行归一化	对单个样本的所有神经元归一化
计算代价	需要在 batch 维度统计均值和方差	计算量较小，对小 batch 友好

---

3. Batch Normalization 和 Layer Normalization 计算举例

(1) Batch Normalization 示例

假设：

• batch size = 3（有 3 个样本）
• 隐藏层有 4 个神经元
• 下面是 mini-batch 中 3 个样本的隐藏层输出：

$$X=\left[\begin{array}{cccc}1.3& 0.9& 2.0& 2.6\\ 1.5& 1.0& 2.1& 2.8\\ 1.1& 0.7& 1.8& 2.4\end{array}\right]$$

计算 Batch Normalization：

1. 计算每个神经元的均值（按列计算）：
   $$\mu =\left[\begin{array}{c}\frac{1.3+1.5+1.1}{3},\frac{0.9+1.0+0.7}{3},\frac{2.0+2.1+1.8}{3},\frac{2.6+2.8+2.4}{3}\end{array}\right]=\left[\begin{array}{c}1.3,0.87,1.97,2.6\end{array}\right]$$

2. 计算标准差（按列计算）：
   $$\sigma =\left[\begin{array}{c}\sqrt{\frac{(1.3-1.3{)}^2+(1.5-1.3{)}^2+(1.1-1.3{)}^2}{3}},\sqrt{\frac{(0.9-0.87{)}^2+(1.0-0.87{)}^2+(0.7-0.87{)}^2}{3}},...\end{array}\right]$$

3. 归一化：
   $${\hat{x}}_{i,j}=\frac{x_{i,j}-{\mu }_j}{{\sigma }_j}$$
   对 batch 里所有样本按列归一化。

---

(2) Layer Normalization 示例

假设：

• 单个样本的隐藏层输出有 4 个神经元：
  $$x=[1.3,0.9,2.0,2.6]$$

1. 计算均值（对该样本的 4 个神经元计算均值）
   $$\mu =\frac{1.3+0.9+2.0+2.6}{4}=1.7$$

2. 计算标准差
   $$\sigma =\sqrt{\frac{(1.3-1.7{)}^2+(0.9-1.7{)}^2+(2.0-1.7{)}^2+(2.6-1.7{)}^2}{4}}$$
   $$=\sqrt{\frac{0.16+0.64+0.09+0.81}{4}}=\sqrt{0.425}\approx 0.65$$

3. 归一化
   $${\hat{x}}_i=\frac{x_i-\mu }{\sigma }$$
   $$\hat{x}=\left[\frac{1.3-1.7}{0.65},\frac{0.9-1.7}{0.65},\frac{2.0-1.7}{0.65},\frac{2.6-1.7}{0.65}\right]$$

$$=[-0.615,-1.231,0.462,1.385]$$

---

4. 归一化之后数据的去向

归一化后的数据会继续通过神经网络的后续层进行计算，比如：

1. 全连接层（MLP）
   • 归一化后的值会作为输入，经过权重变换和非线性激活函数（ReLU、Sigmoid）。
2. 卷积层（CNN）
   • 归一化后的特征会继续经过卷积运算，提取更高层次的特征。
3. RNN/Transformer
   • 归一化后的数据可以作为输入到 LSTM 或 Transformer，防止梯度消失/爆炸。
4. 自适应缩放（(\gamma) 和 (\beta)）
   • 归一化后会乘以可学习参数 $\gamma$ 并加上 $\beta$，以恢复模型的表达能力：
     $$y_i=\gamma {\hat{x}}_i+\beta$$

---

5. 什么时候用 Layer Normalization？

✅ 适合：

• RNN/Transformer（序列模型）：BatchNorm 依赖 batch size，而 LayerNorm 适用于变长输入。
• 强化学习（RL）：状态输入通常是独立的，LN 适用于对个体样本进行归一化。
• 小 batch 训练：当 batch size 很小时，BatchNorm 可能无法估计稳定的均值和方差，而 LayerNorm 仍然可以稳定工作。
• 个别 CNN 任务：虽然 CNN 主要使用 BatchNorm，但在某些小 batch 任务或非图像任务中，也可以用 LayerNorm。

❌ 不适合：

• 大 batch 训练的 CNN：BatchNorm 通常比 LayerNorm 计算更高效，并且对 CNN 训练更有效。

---

6. 总的来说

• Layer Normalization 归一化的是单个样本的所有神经元，不依赖 batch size，适用于 NLP（RNN、Transformer）、强化学习等任务。
• Batch Normalization 归一化的是 batch 内所有样本的相同神经元，主要用于 CNN 和大 batch 训练。
• 归一化后数据会继续传递到神经网络的下一层，并通过可学习参数 $\gamma$ 和 $\beta$ 调整模型表达能力。

---

以上