layernorm

書いてみる

関連タグ

#ディープラーニング (4,867)
#トランスフォーマー (998)
#ニューラルネットワーク (650)
#モデル (12,664)
#勾配降下法 (19)
#学習 (26,426)

Small-scale proxies for large-scale Transformer training instabilities

Ikemen Mas Kot
1か月前