說明

LayerNorm中不會像BatchNorm那樣跟蹤統(tǒng)計全局的均值方差，因此train()和eval()對LayerNorm沒有影響。

LayerNorm參數(shù)

torch.nn.LayerNorm(
        normalized_shape: Union[int, List[int], torch.Size],
        eps: float = 1e-05,
        elementwise_affine: bool = True)

normalized_shape

如果傳入整數(shù)，比如4，則被看做只有一個整數(shù)的list，此時LayerNorm會對輸入的最后一維進行歸一化，這個int值需要和輸入的最后一維一樣大。

假設此時輸入的數(shù)據(jù)維度是[3, 4]，則對3個長度為4的向量求均值方差，得到3個均值和3個方差，分別對這3行進行歸一化（每一行的4個數(shù)字都是均值為0，方差為1）；LayerNorm中的weight和bias也分別包含4個數(shù)字，重復使用3次，對每一行進行仿射變換（仿射變換即乘以weight中對應的數(shù)字后，然后加bias中對應的數(shù)字），并會在反向傳播時得到學習。

如果輸入的是個list或者torch.Size，比如[3, 4]或torch.Size([3, 4])，則會對網(wǎng)絡最后的兩維進行歸一化，且要求輸入數(shù)據(jù)的最后兩維尺寸也是[3, 4]。

假設此時輸入的數(shù)據(jù)維度也是[3, 4]，首先對這12個數(shù)字求均值和方差，然后歸一化這個12個數(shù)字；weight和bias也分別包含12個數(shù)字，分別對12個歸一化后的數(shù)字進行仿射變換（仿射變換即乘以weight中對應的數(shù)字后，然后加bias中對應的數(shù)字），并會在反向傳播時得到學習。

假設此時輸入的數(shù)據(jù)維度是[N, 3, 4]，則對著N個[3,4]做和上述一樣的操作，只是此時做仿射變換時，weight和bias被重復用了N次。

假設此時輸入的數(shù)據(jù)維度是[N, T, 3, 4]，也是一樣的，維度可以更多。

注意：顯然LayerNorm中weight和bias的shape就是傳入的normalized_shape。

eps

歸一化時加在分母上防止除零。

elementwise_affine

如果設為False，則LayerNorm層不含有任何可學習參數(shù)。

如果設為True（默認是True）則會包含可學習參數(shù)weight和bias，用于仿射變換，即對輸入數(shù)據(jù)歸一化到均值0方差1后，乘以weight，即bias。

LayerNorm前向傳播（以normalized_shape為一個int舉例）

1、如下所示輸入數(shù)據(jù)的shape是(3, 4)，此時normalized_shape傳入4（輸入維度最后一維的size），則沿著最后一維（沿著最后一維的意思就是對最后一維的數(shù)據(jù)進行操作）并用這兩個結(jié)果把batch沿著最后一維歸一化，使其均值為0，方差為1。歸一化公式用到了eps()，即

tensor = torch.FloatTensor([[1, 2, 4, 1],
                            [6, 3, 2, 4],
                            [2, 4, 6, 1]])

[[-0.8165,  0.0000,  1.6330, -0.8165],
 [ 1.5213, -0.5071, -1.1832,  0.1690],
 [-0.6509,  0.3906,  1.4321, -1.1717]]

2、如果elementwise_affine==True，則對歸一化后的batch進行仿射變換，即乘以模塊內(nèi)部的weight（初值是[1., 1., 1., 1.]）然后加上模塊內(nèi)部的bias（初值是[0., 0., 0., 0.]），這兩個變量會在反向傳播時得到更新。

3、如果elementwise_affine==False，則LayerNorm中不含有weight和bias兩個變量，只做歸一化，不會進行仿射變換。

總結(jié)

在使用LayerNorm時，通常只需要指定normalized_shape就可以了。

補充：【Pytorch】F.layer_norm和nn.LayerNorm到底有什么區(qū)別？

背景

最近在做視頻方向，處理的是時序特征，就想著能不能用Batch Normalization來做視頻特征BN層？在網(wǎng)上查閱資料發(fā)現(xiàn)，時序特征并不能用Batch Normalization，因為一個batch中的序列有長有短。

此外，BN 的一個缺點是需要較大的 batchsize 才能合理估訓練數(shù)據(jù)的均值和方差，這導致內(nèi)存很可能不夠用，同時它也很難應用在訓練數(shù)據(jù)長度不同的 RNN 模型上。

Layer Normalization (LN) 的一個優(yōu)勢是不需要批訓練，在單條數(shù)據(jù)內(nèi)部就能歸一化。

對于RNN等時序模型，有時候同一個batch內(nèi)部的訓練實例長度不一(不同長度的句子)，則不同的時態(tài)下需要保存不同的統(tǒng)計量，無法正確使用BN層，只能使用Layer Normalization。

查閱Layer Normalization（下述LN）后發(fā)現(xiàn)，這東西有兩種用法，一個是F.layer_norm，一個是torch.nn.LayerNorm，本文探究他們的區(qū)別。

F.layer_norm

用法

F.layer_norm(x, normalized_shape, self.weight.expand(normalized_shape), self.bias.expand(normalized_shape))

其中：

x是輸入的Tensor

normalized_shape是要歸一化的維度，可以是x的后若干維度

self.weight.expand(normalized_shape)，可選參數(shù)，自定義的weight

self.bias.expand(normalized_shape)，可選參數(shù)，自定義的bias

示例

很容易看出來，跟F.normalize基本一樣，沒有可學習的參數(shù)，或者自定義參數(shù)。具體使用示例如下：

import torch.nn.functional as F
 
input = torch.tensor(a)
y = F.layer_norm(input,(4,))
print(y)
 
#####################輸出################
tensor([[[-0.8095, -1.1224,  1.2966,  0.6354],
         [-1.0215, -0.9661,  0.8387,  1.1488],
         [-0.3047,  1.0412, -1.4978,  0.7613]],
 
        [[ 0.4605,  1.2144, -1.5122, -0.1627],
         [ 1.5676,  0.1340, -1.0471, -0.6545],
         [ 1.5388, -0.3520, -1.2273,  0.0405]]])

添加縮放：

w = torch.tensor([1,1,2,2])
b = torch.tensor([1,1,1,1])
y = F.layer_norm(input,(4,),w,b)
print(y)
 
#########################輸出######################
tensor([[[ 0.1905, -0.1224,  3.5931,  2.2708],
         [-0.0215,  0.0339,  2.6775,  3.2976],
         [ 0.6953,  2.0412, -1.9956,  2.5225]],
 
        [[ 1.4605,  2.2144, -2.0243,  0.6746],
         [ 2.5676,  1.1340, -1.0942, -0.3090],
         [ 2.5388,  0.6480, -1.4546,  1.0810]]])

nn.LayerNorm

用法

torch.nn.LayerNorm(
        normalized_shape: Union[int, List[int], torch.Size],
        eps: float = 1e-05,
        elementwise_affine: bool = True)

normalized_shape： 輸入尺寸, [∗×normalized_shape[0]×normalized_shape[1]×…×normalized_shape[−1]]

eps： 為保證數(shù)值穩(wěn)定性（分母不能趨近或取0）,給分母加上的值。默認為1e-5。

elementwise_affine： 布爾值，當設為true，給該層添加可學習的仿射變換參數(shù)。

示例

elementwise_affine如果設為False，則LayerNorm層不含有任何可學習參數(shù)。

如果設為True（默認是True）則會包含可學習參數(shù)weight和bias，用于仿射變換，即對輸入數(shù)據(jù)歸一化到均值0方差1后，乘以weight，即bias。

import torch
input = torch.randn(2,3,2,2)
import torch.nn as nn
#取消仿射變換要寫成
#m = nn.LayerNorm(input.size()[1:], elementwise_affine=False)
m1 = nn.LayerNorm(input.size()[1:])#input.size()[1:]為torch.Size([3, 2, 2])
output1 = m1(input)
#只normalize后兩個維度
m2 = nn.LayerNorm([2,2])
output2 = m2(input)
#只normalize最后一個維度
m3 = nn.LayerNorm(2)
output3 = m3(input)

總結(jié)

F.layer_norm中沒有可學習參數(shù)，而nn.LayerNorm有可學習參數(shù)。當elementwise_affine設為False時，nn.LayerNorm退化為F.layer_norm。

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。