手推公式之“层归一化（LayerNorm）”梯度

昨天推导了一下交叉熵的反向传播梯度，今天再来推导一下层归一化（LayerNorm），这是一种常见的归一化方法。

前向传播

假设待归一化的维向量为，均值和标准差分别是和，LayerNorm的参数是和，那么层归一化后的输出为：

这里的极小量是为了防止标准差为0导致溢出。为了简单起见，我们不加上这一项，原公式也就变成了：

反向传播

假设损失函数对输出的梯度是，那么这里需要求三个梯度：、和。

令，那么原公式就变成了：

两个参数的梯度非常简单：

对输入的梯度等于：

推导过程

对输入的梯度可以写成：

这里只需要计算最后一项就行了：

其中只有当的时候才会等于1，否则都等于0。这里只需要求出均值和标准差对的梯度就行了。直接给出结论，证明比较简单，放在了文末：

代入可以得到：

最后带入梯度中可以得到：

均值和标准差的梯度

均值的梯度为：

标准差的计算公式可以写成，所以梯度为：

公众号后台回复“CVPR 2022”获取论文合集打包下载～