Normalization无非就是这样一个操作：

其中x是输入数据，维度为（B，T，C），其中B是batchsize，T是序列长度，C是embedding维度；括号内是标准化操作，γ和β是仿射变换参数。

BN和LN的不同，仅仅在于均值和方差的计算方式而已，下面给出计算公式：

1.Batch Normalization

2.Layer Normalization

可以发现，BN是对前2个维度进行统计计算，LN是对最后一个维度进行统计计算。公式很简单，怎么理解呢？

先看LN。可以理解为：对于每个样本（batch）中的每个token，都分别统计其自身所包含的所有特征维度，作为归一化的依据。在大语言模型中，输入序列的长度通常是不固定的，因此对每个 token 单独进行归一化，是一种更合理、灵活的方式。

再来看 BN，它更常用于固定长度的序列或图像任务中。以等长序列为例，BN 的归一化是对所有 batch 中相同位置（如第一个 token、第二个 token 等）上的特征维度进行统计。因此，它统计的是同一维度在不同样本、不同 token 上的分布。由于序列长度一致，数据结构规整，就不需要像 LN 那样对每个 token 单独归一化。

参考链接

https://arxiv.org/abs/2503.10622