layernorm

書いてみる

関連タグ

#ディープラーニング (4,763)
#トランスフォーマー (988)
#ニューラルネットワーク (644)
#モデル (12,482)
#勾配降下法 (19)
#学習 (26,076)

Small-scale proxies for large-scale Transformer training instabilities

Ikemen Mas Kot
1か月前