本文详细介绍了深度学习中的残差连接和层归一化技术解释了它们如何解决梯度消失/爆炸和网络退化问题。残差连接通过提供梯度高速公路和实现恒等映射使网络能够深度扩展层归一化则稳定训练过程允许使用更大学习率。两者结合特别是在Transformer中的Pre-LN结构使得训练深层网络成为可能为大模型的发展奠定了基础。对于想要学习大模型的小白程序员来说理解这两个关键技术至关重要。1、残差连接Residual Connection是什么残差连接 是一种将输入直接加到输出上的操作。对于一个子层如自注意力或前馈网络其功能可以表示为Sublayer(x)Sublayer(x)Sublayer(x)那么残差连接的输出为这里的xxx是子层的输入Sublayer(x)Sublayer(x)Sublayer(x)是子层对输入xxx的处理结果这个简单的加法在深层网络中起到了至关重要的作用。为什么需要残差连接在深度神经网络中随着层数增加训练变得越来越困难主要问题包括梯度消失/爆炸 反向传播时梯度需要通过多个层累乘如果每一层的导数都小于1梯度会指数衰减导致浅层几乎得不到更新梯度消失如果导数大于1梯度会指数增长导致训练不稳定梯度爆炸。网络退化 即使没有梯度问题单纯增加层数有时反而导致训练误差升高这说明深层网络难以优化。残差连接如何解决梯度高速公路 残差连接为梯度提供了一条“捷径”。在反向传播时损失对输入的导数可以写成其中常数“1”保证即使∂Sublayer∂x\frac{\partial Sublayer}{\partial x}∂x∂Sublayer​很小梯度也能直接传递不会消失。恒等映射如果某个子层学习到的变换对任务无益网络可以简单地让Sublayer(x)Sublayer(x)Sublayer(x)接近零从而退化为恒等映射至少不会比浅层差。这种“自适应深度”特性使得增加层数不会降低性能。怎么实现在代码中残差连接非常简单def residual_block(x, sublayer): # sublayer 是某个子层如自注意力、前馈网络 return x sublayer(x)实际使用时通常还会结合层归一化将在后面介绍2、层归一化Layer Normalization是什么层归一化 是一种归一化技术它对每个样本的所有特征进行标准化使其均值为0方差为1。对于一个输入向量x∈Rdx \in R^dx∈Rd层归一化的计算过程为其中γ,β\gamma,\betaγ,β是可学习的缩放和偏移参数ϵ\epsilonϵ是一个很小的常数防止除零。为什么需要层归一化在Transformer出现之前批归一化Batch NormalizationBN在计算机视觉中非常流行但Transformer选择了层归一化原因如下序列任务的特点 NLP中每个样本句子长度可能不同且批次大小可能较小BN在批次维度上统计均值和方差这要求批次足够大且长度一致否则统计量不稳定。变长序列的处理 LN是在特征维度上独立对每个样本做归一化因此不受批次大小和序列长度变化的影响更适合NLP任务。稳定训练 LN将每层的输出调整到稳定的分布避免了内部协变量偏移使得可以使用更大的学习率加速收敛。缓解梯度问题 归一化后的输出通常不会太大或太小有助于控制梯度流动。在Transformer中LN通常与残差连接结合使用。有两种常见模式Post-LN原始Transformer采用的结构OutputLayerNorm(xSublayer(x))OutputLayerNorm(xSublayer(x))OutputLayerNorm(xSublayer(x))Pre-LN现在更常用的结构OutputxSublayer(LayerNorm(x))OutputxSublayer(LayerNorm(x))OutputxSublayer(LayerNorm(x))为什么Pre-LN更稳定 因为在Pre-LN中梯度可以直接通过残差连接传播不受归一化影响而Post-LN中梯度需要通过LN可能导致梯度衰减。Pre-LN使得训练更深层更稳定因此被GPT、BERT等现代模型采用。怎么实现PyTorch中直接提供了层用法如下LayerNormimport torch.nn as nn # 定义层归一化特征维度为 d_model layer_norm nn.LayerNorm(d_model) # 使用 normalized layer_norm(x) # x shape: (batch, seq_len, d_model)一个典型的Pre-LN残差块实现class PreNormResidual(nn.Module): def __init__(self, dim, fn): super().__init__() self.fn fn # 子层函数如自注意力、前馈网络 self.norm nn.LayerNorm(dim) def forward(self, x): # 先归一化再经过子层然后残差连接 return x self.fn(self.norm(x))整个Transformer层可以堆叠这样的块。3、残差连接 层归一化在Transformer中的协同作用残差连接 保证了信息可以顺畅地在深层网络中流动避免梯度消失。层归一化 稳定了每一层的输出分布使训练过程更加平滑允许使用更大的学习率。两者结合 让Transformer能够轻松扩展到上百层而不会出现训练困难。残差连接 是“让网络可以深”的关键打破了传统网络层叠时梯度衰减的诅咒使得增加层数成为提升模型容量的有效手段。层归一化 是“让训练可以快”的秘诀稳定了前向和反向传播的数值使得优化器能够以更高的学习率大步前进从而大大缩短训练时间。从工程角度看这两个设计是深度学习从“浅层”走向“深层”的重要里程碑也是Transformer能够成为大模型基石的保证。实际上这两个组件共同构成了Transformer训练的“稳定器”。没有它们即使自注意力机制再强大也无法训练出深层的有效模型。 在Transformer中它们通常以 Pre-Norm 结构组合先归一化再经过子层然后残差相加。这套组合拳让模型既深又稳为后续的大规模扩展奠定了基础。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取