关于bn和ln

二面的时候面试官问我为什么transformer不用bn而是用ln。我看了几个网上的八股回答,结果面试官还是不满意,有没有懂哥讲一下啊? #nlp# #腾讯#
我的回答也是不同句子长度不一样,然后每个句子的位置不一样,可能是表达不大好,那个老东西不满意
全部评论
因为transformer输入的序列长度不固定,bn是算每一个特征的均值和方差,序列长度不一样,计算的时候有的地方有值有的地方没有,不好计算。ln是对每一个样本单独计算,即使每个样本长度不一样也不影响计算
16
送花
回复
分享
发布于 04-07 18:04 新加坡
transformer对句子或者序列建模,每一个token位置的语义并不像tabular数据或者图像那样特征是固定的吧,用bn就默认是那样对齐处理了
4
送花
回复
分享
发布于 04-04 21:00 安徽
滴滴
校招火热招聘中
官网直投
BN和LN是不同纬度的归一化 LN是特征层面的归一化不会因为序列长度差距过大受影响,BN是batch size纬度归一化因此序列长度会影响。具体怎么用都看实际情况是啥样的 没那么绝对 手撸一下公示记忆比较深刻
4
送花
回复
分享
发布于 04-08 12:03 陕西
如果往深里说,可以结合上Lipschitz常量,self-attention的Lipschitz常量比较大,也就是上下界浮动大,BN层无法有效约束。这个点比较深,还可以延伸到LN的变体RMSNorm。 虽然从理论上可以讲的很深,但其实主要还是实验上有效,这些八股属实没意思。
3
送花
回复
分享
发布于 04-07 16:57 广东
说一个很novel的观点…… bn一般用在图像上,当我们对图片抽取特征后,会得到不同通道的特征,这些通道特征对batch内样本具有同样的含义。例如一个人有年龄,身高等特征。而nlp中,如果要进行bn,则是对不同句子的第i个token进行处理,举个例子"我爱你"和"牛客网",其中的我和牛并没有相同的含义,所以解释不通。还有一个点就是你所说的每个句子长度不同,对于短句子我们需要pad,那么如果进行bn就需要将pad.和长句子中的token进行处理,这样也是不合理的。
2
送花
回复
分享
发布于 04-13 02:02 贵州
因为一个句子不会因为词的位置发生变化而改变语义。
1
送花
回复
分享
发布于 04-08 20:25 浙江
Bn和batch大小关系很大,而句子长度并不固定。并且,对不同句子的同一位置的特征做归一化并无意义。
点赞
送花
回复
分享
发布于 04-08 14:48 河北

相关推荐

10 48 评论
分享
牛客网
牛客企业服务