Normalization这个事得好好掰扯掰扯。 上古时期，网络经常在初始几个iteration之后，loss还没下降就不动，必须得把每一层的gradient与weight的比值打印出来，针对性地调整每一层的初始化才能不崩。

LayerNorm 其实目前主流的 Normalization 有个通用的公式 其中， 为均值， 为归一化的分母，比如对 LayerNorm 来说他是标准差，对 WeightNorm 来说是 L2 范数。 和 为可学习的参数，可以让模型根据分布 scaling 和 shifting。 有的文献把 叫做 gain, 把 叫做 bias。

我之前还在用QQ浏览器时在此页面直接用QQ浏览器打开 但其实此时微信并没有将这个文件放在你手机里大佬所说的那个位置，而是放在了一个你访问不了的文件夹里。（推测和那些微信占用手机储存十几个G的聊天文件放在一起，没root访问不了。详情可以看这个视频： 微信占用大量存储空 …

Normalization 不管是 Batch Normalization 还是 Layer Normalization， Normalization的目的是为了把输入转化成均值为0方差为1的数据。 换句话说，这里的 Normalization 其实应称为 Standardization （标准化），而不是 Normalization （归一化）。

Normalization是一个统计学中的概念，我们可以叫它 归一化或者规范化，它并不是一个完全定义好的数学操作 (如加减乘除)。 它通过将数据进行偏移和尺度缩放调整，在数据预处理时是非常常见的操作，在网络的中间层如今也很频繁的被使用。 1. 线性归一化

2016， Layer Normalization （没有发表） 用于RNN 2016， Instance Normalization （没有发表，但是经过了实践检验） 用于风格迁移 2016， Weight Normalization （NIPS） 2015， Batch Normalization （ICML） 用于卷积网络ConvNet和图像分类 逐篇看。 。。 总结归纳。 。。 需要时 …

我在一些文献中看到，推荐的卷积网络顺序为：ConvBatchNorm激活函数可是如果先进行BatchNorm的话，那么再…

Leveraging Batch Normalization for Vision Transformers里面就说了： 其实可以的，但是直接把VIT中的LN替换成BN，容易训练不收敛，原因是FFN没有被Normalized，所以还要在FFN block里面的两层之间插一个BN层。 （可以加速20% VIT的训练） 除此以外，有位知友的观点我也觉得很 …

Weight Normalization和Batch Normalization都属于参数重写（Reparameterization）的方法，只是采用的方式不同，Weight Normalization是对网络权值W进行normalization，因此也称为Weight Normalization；Batch Normalization是对网络某一层输入数据进行normalization。 。

It is interesting to see the effect of temperature on performance, suggesting the necessity to carefully tune this parameter when normalization is applied 所以，把问题改一下： 为什么L2 norm + Temperature，能拿到更好的效果。