为什么要Normalization

当输入数据量级极大或极小时，为保证输出数据有效，参数必需被训练到一个极小或极大的区间，而这对初始化来说非常困难，且多层网络链式法则求导会导致梯度消失或爆炸的问题。

Reference：神经网络为什么要归一化
归一化的具体计算过程：CSDN博客

BatchNorm

BN适用于大多数Dataframe样式的常规数据。
BN对每个特征进行归一化，如下图，分别计算身高归一化后的数据、体重归一化后的数据、年龄归一化后的数据。好理解。

LayerNorm

对于NLP数据，不适用于BN。
BN的逻辑是每个变量来自于某一特定分布，虽然每次只计算一个batch内的数据，但第一个batch（如前64名同学）的身高和第二个batch（后64名同学）的身高，大概率来自同样的分布。
而对文本数据来说，所有句子的第一个词不一定来自同一分布，第二个词也是。每个句子的长度也不同，对句子末尾几个词作BN就相当于对最长句子的最后一个词和一堆padding值作BN，没有意义。
这里就要用到LN，即对每条样本作归一化，即“横着”归一化。

torch代码示例

BatchNorm: 参考pytorch BatchNorm参数详解，计算过程

# BatchNorm
import torch.nn as nn
Class Net:
	def __ init__():
		self.bn = nn.BatchNorm1d(20,affine=True)
		pass
	def forward(x):
		# x:(N,L)，对L个变量分别进行normalization
		out = self.ln(x)
		# out: (N,L)

LayerNorm: 参考pytorch 层标准化 LayerNorm 的用法

# LayerNorm
import torch.nn as nn
Class Net:
	def __ init__():
		self.ln = nn.LayerNorm(W,elementwise_affine=True)	# 只对最后一个维度
		self.ln = nn.LayerNorm([H,W],elementwise_affine = True)	# 对最后两个维度，即均值、方差一起求，拉伸成一个维度
		pass
	def forward(x):
		# x: (N, H ,W)，对最后几个维度进行normalization
		out = self.ln1(x)
		out = self.ln2(x)
		# out: (N, seq_len, emb_dim)，归一化不改变向量维度