本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！

1. 概述：为什么需要层归一化？

在深度神经网络训练过程中，内部协变量偏移（Internal Covariate Shift）是一个常见问题，即每一层输入的分布会随着前一层参数的更新而不断变化，导致训练过程不稳定。为了解决这个问题，归一化技术被引入，其中批量归一化（Batch Normalization, BN）在卷积神经网络中取得了显著效果。然而，BN存在以下局限性：

• 对批量大小敏感：在小批量或在线学习场景下效果不佳。
• 不适用于循环神经网络：RNN的序列长度可变，难以维护不同时间步的统计信息。

层归一化（Layer Normalization, LN）由Jimmy Lei Ba等人于2016年提出，旨在解决BN的上述问题。LN的核心思想是对单个样本的所有特征维度进行归一化，使其不依赖于批量大小，并可直接应用于RNN。

本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！

往期文章推荐:

• 20.Jaccard相似度：集合相似性的经典度量
• 19.HOSVD（高阶奇异值分解）：高维数据的“解剖术”
• 18.分布式奇异值分解（SVD）详解
• 17.LSA（潜在语义分析）：原理、实现与应用
• 16.Netflix Prize竞赛：推荐系统的里程碑与机器学习革命的催化剂
• 15.雅可比SVD算法：高精度矩阵分解的经典方法
• 14.随机SVD：大规模矩阵分解的高效算法
• 13.QR算法：矩阵特征值计算的基石
• 12.Householder变换：线性代数中的镜像反射器
• 11.Frobenius范数：矩阵分析的万能度量尺
• 10.截断奇异值分解（Truncated SVD）详解：原理、应用与Python实践
• 9.线性代数中的特征向量：矩阵的“DNA方向“
• 8.奇异值分解(SVD)：数据科学的“瑞士军刀“
• 7.CLIP模型全解析：从对比学习到零样本识别的革命
• 6.XLM-R模型：大规模跨语言表示的突破与实践
• 5.GELU（高斯误差线性单元）激活函数全面解析
• 4.神经网络中的随机高斯初始化技术
• 3.Metropolis接受准则：随机模拟与优化中的关键基石
• 2.Rademacher复杂度：衡量机器学习模型复杂度的利器
• 1.对称树结构：原理、应用与Python实现

2. LayerNorm的技术原理

2.1 基本定义与公式

对于一个深度神经网络中的第 $l$ 层，设 ${\mathbf{a}}^l$ 表示该层所有神经元的求和输入向量，维度为 $H$（隐藏单元数量）。LN的计算步骤如下：

1. 计算均值与方差：
   $${\mu }^l=\frac{1}{H}\sum _{i=1}^H{a}_i^l,{\sigma }^l=\sqrt{\frac{1}{H}\sum _{i=1}^H(a_i^l-{\mu }^l{)}^2}$$
2. 归一化与仿射变换：
   $${\mathbf{h}}^l=f\left[\frac{\mathbf{g}}{{\sigma }^l}\odot ({\mathbf{a}}^l-{\mu }^l)+\mathbf{b}\right]$$
   其中：
   • $\mathbf{g}$ 和 $\mathbf{b}$ 是可学习的增益（gain）和偏置（bias）参数。
   • $\odot$ 表示逐元素相乘。
   • $f(\cdot )$ 是非线性激活函数。

2.2 与BatchNorm的对比

特性	BatchNorm	LayerNorm
统计量计算	沿批次维度（N）计算	沿特征维度（C/H）计算
依赖关系	依赖批量大小	与批量大小无关
适用场景	CNN	RNN、Transformer

2.3 在RNN中的具体应用

在RNN中，LN被应用于每个时间步的隐藏状态计算。例如，对于时间步 $t$ 的输入 ${\mathbf{a}}^t$：
$${\mathbf{h}}^t=f\left[\frac{\mathbf{g}}{{\sigma }^t}\odot ({\mathbf{a}}^t-{\mu }^t)+\mathbf{b}\right]$$
这种处理可以稳定隐藏状态的动态变化，缓解梯度消失或爆炸问题。

4. LayerNorm的变体与改进

1. 动态层归一化：
   通过动态生成增益和偏置参数，使模型适应不同输入特性（如语音识别中的说话人变化）。

2. 去相关层归一化：
   针对图像数据中相邻特征的相关性问题，在LN基础上引入白化操作，减少通道间冗余。

3. 分组层归一化：
   将特征维度分组进行归一化，增强非线性表达能力，部分场景下可替代激活函数。

4. 统一归一化：
   结合BN和LN的优点，在Transformer中实现高效部署，速度提升31%，内存节省18%。

---

5. LayerNorm在Transformer中的关键作用

• 稳定训练：LN被广泛应用于Transformer的每个子层（如注意力机制和前馈网络）。早期Transformer使用Post-LN（将LN放在残差连接之后），但容易导致梯度不稳定。现代Transformer多采用Pre-LN（将LN置于残差连接之前），以加速收敛并减少对Warm-up的依赖。
• 非线性发现：最新研究表明，LN本身具有非线性表达能力。仅含线性层和LN的网络即可对复杂数据进行分类，打破了"归一化仅是线性变换"的传统认知。

本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！