{"id":480143,"date":"2026-05-18T13:25:05","date_gmt":"2026-05-18T13:25:05","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=480143"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=480143","title":{"rendered":"\u041a\u0430\u043a \u0442\u0435\u0445\u043d\u043e\u043b\u043e\u0433\u0438\u044f LayerScale \u0441\u043f\u0430\u0441\u0430\u0435\u0442 \u0441\u0432\u0435\u0440\u0445\u0433\u043b\u0443\u0431\u043e\u043a\u0438\u0435 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u044b (\u0438 \u043f\u043e\u0447\u0435\u043c\u0443 \u043e \u043d\u0435\u0439 \u043c\u043e\u043b\u0447\u0430\u0442 \u0442\u0443\u0442\u043e\u0440\u0438\u0430\u043b\u044b)"},"content":{"rendered":"<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>\u0412 \u043c\u0438\u0440\u0435 \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u043d\u0430\u0438\u0432\u043d\u044b\u0439 \u043c\u0438\u0444:\u00a0<em>&#171;\u0415\u0441\u043b\u0438 \u0442\u0432\u043e\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0443\u043c\u043d\u0430\u044f, \u043f\u0440\u043e\u0441\u0442\u043e \u043d\u0430\u043a\u0438\u043d\u044c \u0435\u0449\u0435 \u043f\u0430\u0440\u0443 \u0434\u0435\u0441\u044f\u0442\u043a\u043e\u0432 \u0441\u043b\u043e\u0435\u0432&#187;<\/em>.<\/p>\n<p>\u041d\u0430 \u0431\u0443\u043c\u0430\u0433\u0435 residual \u0441\u0432\u044f\u0437\u0438 (\u0442\u0435 \u0441\u0430\u043c\u044b\u0435 \u043f\u043b\u044e\u0441\u0438\u043a\u0438 \u0432 \u043a\u043e\u0434\u0435:\u00a0<code><strong><em>x=x+f(x)<\/em><\/strong><\/code> ) \u0434\u043e\u043b\u0436\u043d\u044b \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0442\u044c \u043d\u0430\u043c \u0441\u0442\u0440\u043e\u0438\u0442\u044c \u0441\u0435\u0442\u0438 \u0431\u0435\u0441\u043a\u043e\u043d\u0435\u0447\u043d\u043e\u0439 \u0433\u043b\u0443\u0431\u0438\u043d\u044b, \u0441\u043f\u0430\u0441\u0430\u044f \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u044b \u043e\u0442 \u0437\u0430\u0442\u0443\u0445\u0430\u043d\u0438\u044f. \u041d\u043e \u043b\u044e\u0431\u043e\u0439, \u043a\u0442\u043e \u043f\u044b\u0442\u0430\u043b\u0441\u044f \u0441 \u043d\u0443\u043b\u044f \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u0441\u043b\u043e\u0435\u0432 \u043d\u0430 80, \u0437\u043d\u0430\u0435\u0442 \u0436\u0435\u0441\u0442\u043e\u043a\u0443\u044e \u043f\u0440\u0430\u0432\u0434\u0443:\u00a0<strong>\u0441\u0435\u0442\u044c \u043f\u0440\u043e\u0441\u0442\u043e \u043e\u0442\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0441\u0445\u043e\u0434\u0438\u0442\u044c\u0441\u044f<\/strong>. Loss \u0432\u0437\u0440\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0432 \u043f\u0435\u0440\u0432\u044b\u0435 \u0436\u0435 \u044d\u043f\u043e\u0445\u0438, \u0438\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430\u0432\u0441\u0435\u0433\u0434\u0430 \u0437\u0430\u0441\u0442\u0440\u0435\u0432\u0430\u0435\u0442 \u043d\u0430 \u0441\u0443\u0431\u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u043c \u043f\u043b\u0430\u0442\u043e.<\/p>\n<p>\u0414\u043e\u043b\u0433\u0438\u0435 \u0433\u043e\u0434\u044b \u044d\u0442\u0443 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u043b\u0435\u0447\u0438\u043b\u0438 \u00ab\u043a\u043e\u0441\u0442\u044b\u043b\u044f\u043c\u0438\u00bb: \u0441\u043b\u043e\u0436\u043d\u044b\u043c\u0438 \u0441\u0445\u0435\u043c\u0430\u043c\u0438 \u0440\u0430\u0437\u043e\u0433\u0440\u0435\u0432\u0430 learning rate, \u0442\u0430\u043d\u0446\u0430\u043c\u0438 \u0441 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0435\u0439 \u0432\u0435\u0441\u043e\u0432 \u0438 \u0441\u0442\u043e\u0445\u0430\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0439 \u0433\u043b\u0443\u0431\u0438\u043d\u043e\u0439. \u041f\u043e\u043a\u0430 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u0438 \u0438\u0437 Meta AI \u043d\u0435 \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0438\u043b\u0438 \u0438\u0437\u044f\u0449\u043d\u044b\u0439 \u0445\u0430\u043a \u043f\u043e\u0434 \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0435\u043c\u00a0<strong>LayerScale<\/strong>.<\/p>\n<p>\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0437\u0430\u043b\u0435\u0437\u0435\u043c \u043f\u043e\u0434 \u043a\u0430\u043f\u043e\u0442 \u0438 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u043f\u043e\u0447\u0435\u043c\u0443 \u0433\u043b\u0443\u0431\u043e\u043a\u0438\u0435 \u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u044b \u0443\u043c\u0438\u0440\u0430\u044e\u0442, \u0438 \u043a\u0430\u043a LayerScale \u0438\u0445 \u0432\u043e\u0441\u043a\u0440\u0435\u0448\u0430\u0435\u0442.  <\/p>\n<h4>\u041f\u0440\u043e\u0431\u043b\u0435\u043c\u0430: \u0422\u043e\u043a\u0441\u0438\u0447\u043d\u043e\u0441\u0442\u044c residual stream<\/h4>\n<p>\u041f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u043d\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0431\u043b\u043e\u043a \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u0430:<\/p>\n<blockquote>\n<p>x<sub>out\u200b<\/sub>=x<sub>in\u200b<\/sub>+Block(LayerNorm(x<sub>in<\/sub>\u200b))  <\/p>\n<\/blockquote>\n<p>\u041c\u0430\u0433\u0438\u0441\u0442\u0440\u0430\u043b\u044c X, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u0447\u0435\u0440\u0435\u0437 \u0432\u0441\u044e \u0441\u0435\u0442\u044c \u043e\u0442 \u043f\u0435\u0440\u0432\u043e\u0433\u043e \u0434\u043e \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0435\u0433\u043e \u0441\u043b\u043e\u044f, \u0447\u0430\u0441\u0442\u043e \u043d\u0430\u0437\u044b\u0432\u0430\u044e\u0442\u00a0<strong>residual stream<\/strong>\u00a0(\u041e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u044b\u0439 \u043f\u043e\u0442\u043e\u043a). \u042d\u0442\u043e \u0433\u043b\u0430\u0432\u043d\u0430\u044f \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u043e\u043d\u043d\u0430\u044f \u0448\u0438\u043d\u0430 \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n<p>\u0412 \u0447\u0435\u043c \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430? \u041a\u0430\u0436\u0434\u044b\u0439 \u043d\u043e\u0432\u044b\u0439 \u0431\u043b\u043e\u043a (Attention \u0438\u043b\u0438 FFN) \u0431\u0435\u0440\u0435\u0442 \u0434\u0430\u043d\u043d\u044b\u0435 \u0438\u0437 \u0448\u0438\u043d\u044b, \u043a\u0430\u043a-\u0442\u043e \u0438\u0445 \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u0442 \u0438\u00a0<strong>\u0432\u043b\u0438\u0432\u0430\u0435\u0442 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043e\u0431\u0440\u0430\u0442\u043d\u043e \u0432 \u0448\u0438\u043d\u0443<\/strong>\u00a0\u0447\u0435\u0440\u0435\u0437 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u044e \u0441\u043b\u043e\u0436\u0435\u043d\u0438\u044f.<\/p>\n<p>\u041d\u0430 \u0440\u0430\u043d\u043d\u0438\u0445 \u044d\u0442\u0430\u043f\u0430\u0445 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u0435\u0441\u0430 \u0431\u043b\u043e\u043a\u043e\u0432 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u044b \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c. \u042d\u0442\u043e \u0437\u043d\u0430\u0447\u0438\u0442, \u0447\u0442\u043e \u043a\u0430\u0436\u0434\u044b\u0439 \u0431\u043b\u043e\u043a \u0432\u043b\u0438\u0432\u0430\u0435\u0442 \u0432 \u043c\u0430\u0433\u0438\u0441\u0442\u0440\u0430\u043b\u044c\u00a0<strong>\u0447\u0438\u0441\u0442\u0435\u0439\u0448\u0438\u0439 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0448\u0443\u043c<\/strong>.<\/p>\n<ul>\n<li>\n<p>\u0421\u043b\u043e\u0439 1 \u0434\u043e\u0431\u0430\u0432\u0438\u043b \u0448\u0443\u043c. \u0414\u0438\u0441\u043f\u0435\u0440\u0441\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0432\u044b\u0440\u043e\u0441\u043b\u0430.<\/p>\n<\/li>\n<li>\n<p>\u0421\u043b\u043e\u0439 2 \u043f\u043e\u043b\u0443\u0447\u0438\u043b \u0437\u0430\u0448\u0443\u043c\u043b\u0435\u043d\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b, \u0443\u043c\u043d\u043e\u0436\u0438\u043b \u0435\u0433\u043e \u043d\u0430 \u0441\u0432\u043e\u0438 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0435 \u043c\u0430\u0442\u0440\u0438\u0446\u044b \u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u00a0<em>\u0435\u0449\u0435 \u0431\u043e\u043b\u044c\u0448\u0435 \u0448\u0443\u043c\u0430<\/em>.<\/p>\n<\/li>\n<li>\n<p>\u041a 50-\u043c\u0443 \u0441\u043b\u043e\u044e \u0438\u0437\u043d\u0430\u0447\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b (\u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438 \u0442\u043e\u043a\u0435\u043d\u043e\u0432) \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e \u0442\u043e\u043d\u0435\u0442 \u0432 \u0445\u0430\u043e\u0441\u0435 \u0434\u0438\u0441\u043f\u0435\u0440\u0441\u0438\u0438.<\/p>\n<\/li>\n<\/ul>\n<p>LayerNorm \u043f\u044b\u0442\u0430\u0435\u0442\u0441\u044f \u0441\u043f\u0430\u0441\u0442\u0438 \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044e \u043d\u0430 \u0432\u0445\u043e\u0434\u0435 \u0432 \u043a\u0430\u0436\u0434\u044b\u0439 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0431\u043b\u043e\u043a, \u043d\u043e \u043e\u043d \u043d\u0435 \u0441\u043f\u0430\u0441\u0430\u0435\u0442 \u0441\u0430\u043c\u0443 \u043c\u0430\u0433\u0438\u0441\u0442\u0440\u0430\u043b\u044c. \u041a\u043e\u0433\u0434\u0430 loss \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043d\u0430 \u0441\u0430\u043c\u043e\u043c \u0432\u0435\u0440\u0445\u0443 \u0441\u0435\u0442\u0438 \u043f\u044b\u0442\u0430\u0435\u0442\u0441\u044f \u043f\u0440\u043e\u043a\u0438\u043d\u0443\u0442\u044c \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u044b \u0432\u043d\u0438\u0437, \u043e\u043d\u0430 \u0432\u0438\u0434\u0438\u0442 \u043f\u0435\u0440\u0435\u0434 \u0441\u043e\u0431\u043e\u0439 \u0431\u0443\u0448\u0443\u044e\u0449\u0443\u044e \u0440\u0435\u043a\u0443 \u0434\u0438\u0441\u043f\u0435\u0440\u0441\u0438\u0438. \u041e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 \u0441\u0445\u043e\u0434\u0438\u0442 \u0441 \u0443\u043c\u0430.    <\/p>\n<h4>\u0420\u0435\u0448\u0435\u043d\u0438\u0435: LayerScale \u0438 \u043a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u044f \u043c\u044c\u044e\u0442\u0430<\/h4>\n<p>\u0418\u0434\u0435\u044f LayerScale \u043f\u043e\u0440\u0430\u0436\u0430\u0435\u0442 \u0441\u0432\u043e\u0435\u0439 \u043f\u0440\u043e\u0441\u0442\u043e\u0442\u043e\u0439. \u0410 \u0447\u0442\u043e, \u0435\u0441\u043b\u0438 \u043d\u0430 \u0441\u0442\u0430\u0440\u0442\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043c\u044b\u00a0<strong>\u0432\u044b\u043a\u043b\u044e\u0447\u0438\u043c<\/strong>\u00a0\u0437\u0432\u0443\u043a \u0443 \u0432\u0441\u0435\u0445 \u0441\u043b\u043e\u0435\u0432, \u043a\u0440\u043e\u043c\u0435 \u0441\u0430\u043c\u044b\u0445 \u043f\u0435\u0440\u0432\u044b\u0445?<\/p>\n<p>\u041c\u044b \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u043c \u043e\u0434\u0438\u043d \u043e\u0431\u0443\u0447\u0430\u0435\u043c\u044b\u0439 \u0432\u0435\u043a\u0442\u043e\u0440\u00a0<em>\u03bb<\/em> (\u0434\u0438\u0430\u0433\u043e\u043d\u0430\u043b\u044c\u043d\u0443\u044e \u043c\u0430\u0442\u0440\u0438\u0446\u0443) \u0442\u043e\u0439 \u0436\u0435 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438, \u0447\u0442\u043e \u0438 \u043d\u0430\u0448 \u0432\u0435\u043a\u0442\u043e\u0440\u00a0<em>x<\/em>. \u041c\u044b \u0443\u043c\u043d\u043e\u0436\u0430\u0435\u043c \u0432\u044b\u0445\u043e\u0434 \u0431\u043b\u043e\u043a\u0430 \u043d\u0430 \u044d\u0442\u043e\u0442 \u0432\u0435\u043a\u0442\u043e\u0440\u00a0<em>\u0434\u043e<\/em>\u00a0\u0442\u043e\u0433\u043e, \u043a\u0430\u043a \u043f\u0440\u0438\u0431\u0430\u0432\u0438\u0442\u044c \u0435\u0433\u043e \u043a \u0448\u0438\u043d\u0435:<\/p>\n<p><em>x<sub>out<\/sub><\/em>\u200b=<em>x<sub>in<\/sub><\/em>\u200b+<em>\u03bb<\/em>\u2299<em>Block<\/em>(<em>LayerNorm<\/em>(<em>x<sub>in<\/sub><\/em>\u200b)) <\/p>\n<p>\u0410 \u0442\u0435\u043f\u0435\u0440\u044c \u0433\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u0430\u0433\u0438\u044f:\u00a0<strong>\u043c\u044b \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u0435\u043c\u00a0<\/strong><em>\u03bb<\/em> <strong>\u043c\u0438\u043a\u0440\u043e\u0441\u043a\u043e\u043f\u0438\u0447\u0435\u0441\u043a\u0438\u043c\u0438 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f\u043c\u0438<\/strong>, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440\u00a010<sup>\u22124<\/sup>  \u0438\u043b\u0438\u00a010<sup>\u22125<\/sup> \u00a0(10<sup>\u22126 <\/sup>\u0434\u043b\u044f \u043e\u0447\u0435\u043d\u044c \u0433\u043b\u0443\u0431\u043e\u043a\u0438\u0445 \u0441\u0435\u0442\u0435\u0439).  <\/p>\n<h4>\u041a\u0430\u043a \u043c\u044b \u043e\u0431\u043c\u0430\u043d\u044b\u0432\u0430\u0435\u043c \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440<\/h4>\n<p>\u041f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u0442\u0435, \u0447\u0442\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u043d\u0430 \u043f\u0435\u0440\u0432\u043e\u0439 \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.<br \/>\u041f\u043e\u0441\u043a\u043e\u043b\u044c\u043a\u0443\u00a0<em>\u03bb<\/em>\u22480 , \u0432\u044b\u0445\u043e\u0434 \u043b\u044e\u0431\u043e\u0433\u043e \u0431\u043b\u043e\u043a\u0430 \u0443\u043c\u043d\u043e\u0436\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u043d\u043e\u043b\u044c. \u0423\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0441\u0445\u043b\u043e\u043f\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0434\u043e:<\/p>\n<blockquote>\n<p><em>x<sub>out<\/sub><\/em>\u200b\u2248<em>x<sub>in<\/sub><\/em>\u200b+0  <\/p>\n<\/blockquote>\n<p>\u041c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438, \u0432\u0430\u0448\u0430 100-\u0441\u043b\u043e\u0439\u043d\u0430\u044f \u043c\u0430\u0445\u0438\u043d\u0430 \u0432 \u043d\u0430\u0447\u0430\u043b\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u0435\u0434\u0435\u0442 \u0441\u0435\u0431\u044f \u043a\u0430\u043a\u00a0<strong>\u0441\u0435\u0442\u044c \u0438\u0437 \u043d\u0443\u043b\u044f \u0441\u043b\u043e\u0435\u0432<\/strong>\u00a0(\u0447\u0438\u0441\u0442\u0430\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u0438\u0434\u0435\u043d\u0442\u0438\u0447\u043d\u043e\u0441\u0442\u0438). \u0421\u0438\u0433\u043d\u0430\u043b \u043f\u0440\u043e\u043b\u0435\u0442\u0430\u0435\u0442 \u043e\u0442 \u0432\u0445\u043e\u0434\u0430 \u0434\u043e \u0432\u044b\u0445\u043e\u0434\u0430 \u0431\u0435\u0437 \u0435\u0434\u0438\u043d\u043e\u0433\u043e \u0438\u0441\u043a\u0430\u0436\u0435\u043d\u0438\u044f. \u0413\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u044b \u0442\u0435\u043a\u0443\u0442 \u0438\u0434\u0435\u0430\u043b\u044c\u043d\u043e \u0433\u043b\u0430\u0434\u043a\u043e, \u043a\u0430\u043a \u043f\u043e \u0430\u0432\u0442\u043e\u0431\u0430\u043d\u0443.<\/p>\n<p>\u0414\u0430\u043b\u044c\u0448\u0435 \u0432 \u0434\u0435\u043b\u043e \u0432\u0441\u0442\u0443\u043f\u0430\u0435\u0442 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u043d\u044b\u0439 \u0441\u043f\u0443\u0441\u043a. \u041e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 \u0432\u0438\u0434\u0438\u0442 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u00a0\u03bb\u00a0\u0438 \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u0442:\u00a0<em>&#171;\u0410\u0433\u0430, \u0435\u0441\u043b\u0438 \u044f \u043d\u0430\u0447\u043d\u0443 \u043f\u043e\u043d\u0435\u043c\u043d\u043e\u0433\u0443 \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u0442\u044c\u00a0<\/em>\u03bb <em>\u0432 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0445 \u0441\u043b\u043e\u044f\u0445, loss \u043d\u0430\u0447\u043d\u0435\u0442 \u043f\u0430\u0434\u0430\u0442\u044c&#187;<\/em>.<\/p>\n<p>\u0421\u0435\u0442\u044c \u043d\u0430\u0447\u0438\u043d\u0430\u0435\u0442\u00a0<strong>\u043f\u043e\u0441\u0442\u0435\u043f\u0435\u043d\u043d\u043e &#171;\u043f\u0440\u043e\u0431\u0443\u0436\u0434\u0430\u0442\u044c&#187; \u0441\u043b\u043e\u0438<\/strong>. \u041e\u043d\u0430 \u0441\u0430\u043c\u0430 \u0440\u0435\u0448\u0430\u0435\u0442, \u043a\u0430\u043a\u043e\u043c\u0443 \u0431\u043b\u043e\u043a\u0443 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u044f \u0434\u0430\u0442\u044c &#171;\u0433\u0440\u043e\u043c\u043a\u043e\u0441\u0442\u044c&#187;, \u0430 \u043a\u0430\u043a\u043e\u0439 \u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u0437\u0430\u0433\u043b\u0443\u0448\u0435\u043d\u043d\u044b\u043c. \u041c\u044b \u0431\u043e\u043b\u044c\u0448\u0435 \u043d\u0435 \u0432\u043b\u0438\u0432\u0430\u0435\u043c \u0445\u0430\u043e\u0441 \u0432 \u043c\u0430\u0433\u0438\u0441\u0442\u0440\u0430\u043b\u044c. \u041c\u044b \u043f\u0440\u0438\u043e\u0442\u043a\u0440\u044b\u0432\u0430\u0435\u043c \u043a\u0440\u0430\u043d \u0440\u043e\u0432\u043d\u043e \u043d\u0430 \u0442\u0443 \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0443, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u0441\u0435\u0442\u044c \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u0430 \u043f\u0435\u0440\u0435\u0432\u0430\u0440\u0438\u0442\u044c \u0431\u0435\u0437 \u0432\u0437\u0440\u044b\u0432\u0430 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u043e\u0432.<\/p>\n<h4>\u0420\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u043d\u0430 Pytorch<\/h4>\n<p>\u0412\u043d\u0435\u0434\u0440\u0438\u0442\u044c \u044d\u0442\u043e \u0432 \u0441\u0432\u043e\u044e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u043f\u0440\u043e\u0449\u0435 \u043f\u0440\u043e\u0441\u0442\u043e\u0433\u043e. \u0412\u043e\u0442 \u043a\u0430\u043a \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u044d\u0442\u043e\u0442 \u0441\u043b\u043e\u0439:<\/p>\n<pre><code class=\"python\">import torchimport torch.nn as nnclass LayerScale(nn.Module):    def __init__(self, dim, init_values=1e-5, inplace=False):        super().__init__()        self.inplace = inplace        # \u0421\u043e\u0437\u0434\u0430\u0435\u043c \u043e\u0431\u0443\u0447\u0430\u0435\u043c\u044b\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440: \u0432\u0435\u043a\u0442\u043e\u0440 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438 dim        self.gamma = nn.Parameter(init_values * torch.ones(dim))    def forward(self, x):        # \u0423\u043c\u043d\u043e\u0436\u0430\u0435\u043c \u043a\u0430\u0436\u0434\u044b\u0439 \u043a\u0430\u043d\u0430\u043b \u043d\u0430 \u0441\u0432\u043e\u0439 \u0432\u0435\u0441        return x.mul_(self.gamma) if self.inplace else x * self.gamma# \u041f\u0440\u0438\u043c\u0435\u0440 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0432\u043d\u0443\u0442\u0440\u0438 \u0431\u043b\u043e\u043a\u0430:class TransformerBlock(nn.Module):    def __init__(self, dim):        super().__init__()        self.norm1 = nn.LayerNorm(dim)        self.attn = Attention(dim)        self.ls1 = LayerScale(dim, init_values=1e-5) # &lt;-- layer scale        self.norm2 = nn.LayerNorm(dim)        self.mlp = MLP(dim)        self.ls2 = LayerScale(dim, init_values=1e-5) # &lt;-- layer scale    def forward(self, x):        # \u0421\u0438\u0433\u043d\u0430\u043b \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u0447\u0435\u0440\u0435\u0437 \u0431\u043b\u043e\u043a, \u0433\u043b\u0443\u0448\u0438\u0442\u0441\u044f LayerScale, \u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0442\u043e\u043c \u043f\u043b\u044e\u0441\u0443\u0435\u0442\u0441\u044f        x = x + self.ls1(self.attn(self.norm1(x)))        x = x + self.ls2(self.mlp(self.norm2(x)))        return x<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:87px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<h4>\u0420\u0430\u0437\u043d\u0438\u0446\u0430 \u0441 LayerNorm<\/h4>\n<p>\u0427\u0430\u0441\u0442\u043e \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u0435\u0442 \u0432\u043e\u043f\u0440\u043e\u0441:\u00a0<em>&#171;\u0417\u0430\u0447\u0435\u043c \u043d\u0430\u043c LayerScale, \u0435\u0441\u043b\u0438 \u0443 \u043d\u0430\u0441 \u0443\u0436\u0435 \u0435\u0441\u0442\u044c LayerNorm?&#187;<\/em>.<br \/>\u042d\u0442\u043e \u0440\u0430\u0437\u043d\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b \u0434\u043b\u044f \u0440\u0430\u0437\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447:<\/p>\n<ul>\n<li>\n<p><strong>LayerNorm<\/strong>\u00a0\u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442\u00a0<em>\u0432\u043d\u0443\u0442\u0440\u0438<\/em>\u00a0\u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0430 \u0431\u043b\u043e\u043a\u0430. \u041e\u043d \u043d\u043e\u0440\u043c\u0438\u0440\u0443\u0435\u0442 \u0441\u0438\u0433\u043d\u0430\u043b, \u0447\u0442\u043e\u0431\u044b \u043c\u0430\u0442\u0440\u0438\u0446\u0430\u043c (<em>W<sub>q<\/sub><\/em>\u200b, <em>W<sub>k<\/sub><\/em>\u200b, <em>W<sub>v<\/sub><\/em><sub> <\/sub>) \u0431\u044b\u043b\u043e \u043a\u043e\u043c\u0444\u043e\u0440\u0442\u043d\u043e \u0441 \u043d\u0438\u043c \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c. \u041e\u043d \u043d\u0435 \u0437\u0430\u0449\u0438\u0449\u0430\u0435\u0442 \u0432\u043d\u0435\u0448\u043d\u044e\u044e \u043c\u0430\u0433\u0438\u0441\u0442\u0440\u0430\u043b\u044c.<\/p>\n<\/li>\n<li>\n<p><strong>LayerScale<\/strong>\u00a0\u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043d\u0430\u00a0<em>\u0432\u044b\u0445\u043e\u0434\u0435<\/em>\u00a0\u0438\u0437 \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0430. \u042d\u0442\u043e \u0433\u0435\u0439\u0442 (\u0432\u0435\u043d\u0442\u0438\u043b\u044c), \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u0442, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0438\u043b\u044c\u043d\u043e \u044d\u0442\u043e\u0442 \u0431\u043b\u043e\u043a \u0438\u043c\u0435\u0435\u0442 \u043f\u0440\u0430\u0432\u043e \u0438\u0437\u043c\u0435\u043d\u0438\u0442\u044c \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u044b\u0439 residual stream.<\/p>\n<\/li>\n<\/ul>\n<p>\u041a\u0441\u0442\u0430\u0442\u0438,\u00a0\u03bb\u00a0\u044d\u0442\u043e \u043f\u043e-\u043a\u0430\u043d\u0430\u043b\u044c\u043d\u044b\u0439 \u0432\u0435\u043a\u0442\u043e\u0440. \u0421\u0435\u0442\u044c \u043c\u043e\u0436\u0435\u0442 \u0432\u044b\u0443\u0447\u0438\u0442\u044c, \u0447\u0442\u043e \u0434\u043b\u044f 5-\u0433\u043e \u043a\u0430\u043d\u0430\u043b\u0430 \u0433\u0440\u043e\u043c\u043a\u043e\u0441\u0442\u044c \u0434\u043e\u043b\u0436\u043d\u0430 \u0431\u044b\u0442\u044c 1.0, \u0430 \u0434\u043b\u044f 128-\u0433\u043e \u043a\u0430\u043d\u0430\u043b\u0430 \u043e\u0441\u0442\u0430\u0442\u044c\u0441\u044f \u043e\u043a\u043e\u043b\u043e \u043d\u0443\u043b\u044f. \u042d\u0442\u043e \u0434\u0430\u0435\u0442 \u043a\u043e\u043b\u043e\u0441\u0441\u0430\u043b\u044c\u043d\u0443\u044e \u0433\u0438\u0431\u043a\u043e\u0441\u0442\u044c \u0432 \u043c\u0430\u0440\u0448\u0440\u0443\u0442\u0438\u0437\u0430\u0446\u0438\u0438 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u043e\u0432.<\/p>\n<h4>\u0417\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435<\/h4>\n<p>LayerScale \u044d\u0442\u043e \u0438\u0434\u0435\u0430\u043b\u044c\u043d\u044b\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u0442\u043e\u0433\u043e, \u043a\u0430\u043a \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0435 \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u043d\u043e\u0439 \u043c\u0435\u0445\u0430\u043d\u0438\u043a\u0438 \u043f\u043e\u0431\u0435\u0436\u0434\u0430\u0435\u0442 \u0433\u0440\u0443\u0431\u0443\u044e \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u0443\u044e \u0441\u0438\u043b\u0443. \u0412\u043c\u0435\u0441\u0442\u043e \u0442\u043e\u0433\u043e \u0447\u0442\u043e\u0431\u044b \u043f\u0440\u0438\u0434\u0443\u043c\u044b\u0432\u0430\u0442\u044c \u0437\u0443\u0431\u043e\u0434\u0440\u043e\u0431\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0441\u0445\u0435\u043c\u044b \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u043e\u0432 \u0438\u043b\u0438 \u0441\u0436\u0438\u0433\u0430\u0442\u044c \u043c\u0435\u0433\u0430\u0432\u0430\u0442\u0442\u044b \u043d\u0430 \u043f\u043e\u0434\u0431\u043e\u0440 Learning Rate, \u043c\u044b \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u043c \u043e\u0434\u0438\u043d \u0432\u0435\u043a\u0442\u043e\u0440 \u043d\u0430 \u0441\u043b\u043e\u0439 \u0438 \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u043c \u0442\u043e\u043f\u043e\u043b\u043e\u0433\u0438\u0438 \u0441\u0435\u0442\u0438 \u0441\u043e\u0431\u0438\u0440\u0430\u0442\u044c \u0441\u0430\u043c\u0443 \u0441\u0435\u0431\u044f \u0432 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.<\/p>\n<p>\u0415\u0441\u043b\u0438 \u0432\u044b \u043f\u0438\u0448\u0435\u0442\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u0441 \u043d\u0443\u043b\u044f, \u0438\u043b\u0438 \u043f\u044b\u0442\u0430\u0435\u0442\u0435\u0441\u044c \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u0447\u0442\u043e-\u0442\u043e \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0435 (\u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0432 \u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u043d\u043e\u043c \u0437\u0440\u0435\u043d\u0438\u0438, \u0433\u0434\u0435 \u044d\u0442\u0430 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0441\u0442\u043e\u0438\u0442 \u043e\u0441\u0442\u0440\u0435\u0435 \u0432\u0441\u0435\u0433\u043e), \u0434\u043e\u0431\u0430\u0432\u044c\u0442\u0435 LayerScale. \u0412\u044b \u0443\u0434\u0438\u0432\u0438\u0442\u0435\u0441\u044c, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u0435\u0435 \u0441\u0442\u0430\u043d\u0435\u0442 \u0432\u0430\u0448 loss.<\/p>\n<\/div>\n<p>\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/1036484\/\">https:\/\/habr.com\/ru\/articles\/1036484\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u0412 \u043c\u0438\u0440\u0435 \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u0435\u0442 \u043d\u0430\u0438\u0432\u043d\u044b\u0439 \u043c\u0438\u0444:\u00a0&#171;\u0415\u0441\u043b\u0438 \u0442\u0432\u043e\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0443\u043c\u043d\u0430\u044f, \u043f\u0440\u043e\u0441\u0442\u043e \u043d\u0430\u043a\u0438\u043d\u044c \u0435\u0449\u0435 \u043f\u0430\u0440\u0443 \u0434\u0435\u0441\u044f\u0442\u043a\u043e\u0432 \u0441\u043b\u043e\u0435\u0432&#187;.\u041d\u0430 \u0431\u0443\u043c\u0430\u0433\u0435 residual \u0441\u0432\u044f\u0437\u0438 (\u0442\u0435 \u0441\u0430\u043c\u044b\u0435 \u043f\u043b\u044e\u0441\u0438\u043a\u0438 \u0432 \u043a\u043e\u0434\u0435:\u00a0x=x+f(x) ) \u0434\u043e\u043b\u0436\u043d\u044b \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0442\u044c \u043d\u0430\u043c \u0441\u0442\u0440\u043e\u0438\u0442\u044c \u0441\u0435\u0442\u0438 \u0431\u0435\u0441\u043a\u043e\u043d\u0435\u0447\u043d\u043e\u0439 \u0433\u043b\u0443\u0431\u0438\u043d\u044b, \u0441\u043f\u0430\u0441\u0430\u044f \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u044b \u043e\u0442 \u0437\u0430\u0442\u0443\u0445\u0430\u043d\u0438\u044f. \u041d\u043e \u043b\u044e\u0431\u043e\u0439, \u043a\u0442\u043e \u043f\u044b\u0442\u0430\u043b\u0441\u044f \u0441 \u043d\u0443\u043b\u044f \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440 \u0441\u043b\u043e\u0435\u0432 \u043d\u0430 80, \u0437\u043d\u0430\u0435\u0442 \u0436\u0435\u0441\u0442\u043e\u043a\u0443\u044e \u043f\u0440\u0430\u0432\u0434\u0443:\u00a0\u0441\u0435\u0442\u044c \u043f\u0440\u043e\u0441\u0442\u043e \u043e\u0442\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0441\u0445\u043e\u0434\u0438\u0442\u044c\u0441\u044f. Loss \u0432\u0437\u0440\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0432 \u043f\u0435\u0440\u0432\u044b\u0435 \u0436\u0435 \u044d\u043f\u043e\u0445\u0438, \u0438\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430\u0432\u0441\u0435\u0433\u0434\u0430 \u0437\u0430\u0441\u0442\u0440\u0435\u0432\u0430\u0435\u0442 \u043d\u0430 \u0441\u0443\u0431\u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u043c \u043f\u043b\u0430\u0442\u043e.\u0414\u043e\u043b\u0433\u0438\u0435 \u0433\u043e\u0434\u044b \u044d\u0442\u0443 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443 \u043b\u0435\u0447\u0438\u043b\u0438 \u00ab\u043a\u043e\u0441\u0442\u044b\u043b\u044f\u043c\u0438\u00bb: \u0441\u043b\u043e\u0436\u043d\u044b\u043c\u0438 \u0441\u0445\u0435\u043c\u0430\u043c\u0438 \u0440\u0430\u0437\u043e\u0433\u0440\u0435\u0432\u0430 learning rate, \u0442\u0430\u043d\u0446\u0430\u043c\u0438 \u0441 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0435\u0439 \u0432\u0435\u0441\u043e\u0432 \u0438 \u0441\u0442\u043e\u0445\u0430\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0439 \u0433\u043b\u0443\u0431\u0438\u043d\u043e\u0439. \u041f\u043e\u043a\u0430 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u0438 \u0438\u0437 Meta AI \u043d\u0435 \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0438\u043b\u0438 \u0438\u0437\u044f\u0449\u043d\u044b\u0439 \u0445\u0430\u043a \u043f\u043e\u0434 \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0435\u043c\u00a0LayerScale.\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0437\u0430\u043b\u0435\u0437\u0435\u043c \u043f\u043e\u0434 \u043a\u0430\u043f\u043e\u0442 \u0438 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u043f\u043e\u0447\u0435\u043c\u0443 \u0433\u043b\u0443\u0431\u043e\u043a\u0438\u0435 \u0422\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u044b \u0443\u043c\u0438\u0440\u0430\u044e\u0442, \u0438 \u043a\u0430\u043a LayerScale \u0438\u0445 \u0432\u043e\u0441\u043a\u0440\u0435\u0448\u0430\u0435\u0442.  \u041f\u0440\u043e\u0431\u043b\u0435\u043c\u0430: \u0422\u043e\u043a\u0441\u0438\u0447\u043d\u043e\u0441\u0442\u044c residual stream\u041f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u043d\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0431\u043b\u043e\u043a \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u0430:xout\u200b=xin\u200b+Block(LayerNorm(xin\u200b))  \u041c\u0430\u0433\u0438\u0441\u0442\u0440\u0430\u043b\u044c X, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u0447\u0435\u0440\u0435\u0437 \u0432\u0441\u044e \u0441\u0435\u0442\u044c \u043e\u0442 \u043f\u0435\u0440\u0432\u043e\u0433\u043e \u0434\u043e \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0435\u0433\u043e \u0441\u043b\u043e\u044f, \u0447\u0430\u0441\u0442\u043e \u043d\u0430\u0437\u044b\u0432\u0430\u044e\u0442\u00a0residual stream\u00a0(\u041e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u044b\u0439 \u043f\u043e\u0442\u043e\u043a). \u042d\u0442\u043e \u0433\u043b\u0430\u0432\u043d\u0430\u044f \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u043e\u043d\u043d\u0430\u044f \u0448\u0438\u043d\u0430 \u043c\u043e\u0434\u0435\u043b\u0438.\u0412 \u0447\u0435\u043c \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430? \u041a\u0430\u0436\u0434\u044b\u0439 \u043d\u043e\u0432\u044b\u0439 \u0431\u043b\u043e\u043a (Attention \u0438\u043b\u0438 FFN) \u0431\u0435\u0440\u0435\u0442 \u0434\u0430\u043d\u043d\u044b\u0435 \u0438\u0437 \u0448\u0438\u043d\u044b, \u043a\u0430\u043a-\u0442\u043e \u0438\u0445 \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u0442 \u0438\u00a0\u0432\u043b\u0438\u0432\u0430\u0435\u0442 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043e\u0431\u0440\u0430\u0442\u043d\u043e \u0432 \u0448\u0438\u043d\u0443\u00a0\u0447\u0435\u0440\u0435\u0437 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u044e \u0441\u043b\u043e\u0436\u0435\u043d\u0438\u044f.\u041d\u0430 \u0440\u0430\u043d\u043d\u0438\u0445 \u044d\u0442\u0430\u043f\u0430\u0445 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u0435\u0441\u0430 \u0431\u043b\u043e\u043a\u043e\u0432 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u044b \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c. \u042d\u0442\u043e \u0437\u043d\u0430\u0447\u0438\u0442, \u0447\u0442\u043e \u043a\u0430\u0436\u0434\u044b\u0439 \u0431\u043b\u043e\u043a \u0432\u043b\u0438\u0432\u0430\u0435\u0442 \u0432 \u043c\u0430\u0433\u0438\u0441\u0442\u0440\u0430\u043b\u044c\u00a0\u0447\u0438\u0441\u0442\u0435\u0439\u0448\u0438\u0439 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0448\u0443\u043c.\u0421\u043b\u043e\u0439 1 \u0434\u043e\u0431\u0430\u0432\u0438\u043b \u0448\u0443\u043c. \u0414\u0438\u0441\u043f\u0435\u0440\u0441\u0438\u044f \u0441\u0438\u0433\u043d\u0430\u043b\u0430 \u0432\u044b\u0440\u043e\u0441\u043b\u0430.\u0421\u043b\u043e\u0439 2 \u043f\u043e\u043b\u0443\u0447\u0438\u043b \u0437\u0430\u0448\u0443\u043c\u043b\u0435\u043d\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b, \u0443\u043c\u043d\u043e\u0436\u0438\u043b \u0435\u0433\u043e \u043d\u0430 \u0441\u0432\u043e\u0438 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b\u0435 \u043c\u0430\u0442\u0440\u0438\u0446\u044b \u0438 \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u00a0\u0435\u0449\u0435 \u0431\u043e\u043b\u044c\u0448\u0435 \u0448\u0443\u043c\u0430.\u041a 50-\u043c\u0443 \u0441\u043b\u043e\u044e \u0438\u0437\u043d\u0430\u0447\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b (\u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438 \u0442\u043e\u043a\u0435\u043d\u043e\u0432) \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e \u0442\u043e\u043d\u0435\u0442 \u0432 \u0445\u0430\u043e\u0441\u0435 \u0434\u0438\u0441\u043f\u0435\u0440\u0441\u0438\u0438.LayerNorm \u043f\u044b\u0442\u0430\u0435\u0442\u0441\u044f \u0441\u043f\u0430\u0441\u0442\u0438 \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u044e \u043d\u0430 \u0432\u0445\u043e\u0434\u0435 \u0432 \u043a\u0430\u0436\u0434\u044b\u0439 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0431\u043b\u043e\u043a, \u043d\u043e \u043e\u043d \u043d\u0435 \u0441\u043f\u0430\u0441\u0430\u0435\u0442 \u0441\u0430\u043c\u0443 \u043c\u0430\u0433\u0438\u0441\u0442\u0440\u0430\u043b\u044c. \u041a\u043e\u0433\u0434\u0430 loss \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u043d\u0430 \u0441\u0430\u043c\u043e\u043c \u0432\u0435\u0440\u0445\u0443 \u0441\u0435\u0442\u0438 \u043f\u044b\u0442\u0430\u0435\u0442\u0441\u044f \u043f\u0440\u043e\u043a\u0438\u043d\u0443\u0442\u044c \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u044b \u0432\u043d\u0438\u0437, \u043e\u043d\u0430 \u0432\u0438\u0434\u0438\u0442 \u043f\u0435\u0440\u0435\u0434 \u0441\u043e\u0431\u043e\u0439 \u0431\u0443\u0448\u0443\u044e\u0449\u0443\u044e \u0440\u0435\u043a\u0443 \u0434\u0438\u0441\u043f\u0435\u0440\u0441\u0438\u0438. \u041e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 \u0441\u0445\u043e\u0434\u0438\u0442 \u0441 \u0443\u043c\u0430.    \u0420\u0435\u0448\u0435\u043d\u0438\u0435: LayerScale \u0438 \u043a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u044f \u043c\u044c\u044e\u0442\u0430\u0418\u0434\u0435\u044f LayerScale \u043f\u043e\u0440\u0430\u0436\u0430\u0435\u0442 \u0441\u0432\u043e\u0435\u0439 \u043f\u0440\u043e\u0441\u0442\u043e\u0442\u043e\u0439. \u0410 \u0447\u0442\u043e, \u0435\u0441\u043b\u0438 \u043d\u0430 \u0441\u0442\u0430\u0440\u0442\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043c\u044b\u00a0\u0432\u044b\u043a\u043b\u044e\u0447\u0438\u043c\u00a0\u0437\u0432\u0443\u043a \u0443 \u0432\u0441\u0435\u0445 \u0441\u043b\u043e\u0435\u0432, \u043a\u0440\u043e\u043c\u0435 \u0441\u0430\u043c\u044b\u0445 \u043f\u0435\u0440\u0432\u044b\u0445?\u041c\u044b \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u043c \u043e\u0434\u0438\u043d \u043e\u0431\u0443\u0447\u0430\u0435\u043c\u044b\u0439 \u0432\u0435\u043a\u0442\u043e\u0440\u00a0\u03bb (\u0434\u0438\u0430\u0433\u043e\u043d\u0430\u043b\u044c\u043d\u0443\u044e \u043c\u0430\u0442\u0440\u0438\u0446\u0443) \u0442\u043e\u0439 \u0436\u0435 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438, \u0447\u0442\u043e \u0438 \u043d\u0430\u0448 \u0432\u0435\u043a\u0442\u043e\u0440\u00a0x. \u041c\u044b \u0443\u043c\u043d\u043e\u0436\u0430\u0435\u043c \u0432\u044b\u0445\u043e\u0434 \u0431\u043b\u043e\u043a\u0430 \u043d\u0430 \u044d\u0442\u043e\u0442 \u0432\u0435\u043a\u0442\u043e\u0440\u00a0\u0434\u043e\u00a0\u0442\u043e\u0433\u043e, \u043a\u0430\u043a \u043f\u0440\u0438\u0431\u0430\u0432\u0438\u0442\u044c \u0435\u0433\u043e \u043a \u0448\u0438\u043d\u0435:xout\u200b=xin\u200b+\u03bb\u2299Block(LayerNorm(xin\u200b)) \u0410 \u0442\u0435\u043f\u0435\u0440\u044c \u0433\u043b\u0430\u0432\u043d\u0430\u044f \u043c\u0430\u0433\u0438\u044f:\u00a0\u043c\u044b \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u0435\u043c\u00a0\u03bb \u043c\u0438\u043a\u0440\u043e\u0441\u043a\u043e\u043f\u0438\u0447\u0435\u0441\u043a\u0438\u043c\u0438 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f\u043c\u0438, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440\u00a010\u22124  \u0438\u043b\u0438\u00a010\u22125 \u00a0(10\u22126 \u0434\u043b\u044f \u043e\u0447\u0435\u043d\u044c \u0433\u043b\u0443\u0431\u043e\u043a\u0438\u0445 \u0441\u0435\u0442\u0435\u0439).  \u041a\u0430\u043a \u043c\u044b \u043e\u0431\u043c\u0430\u043d\u044b\u0432\u0430\u0435\u043c \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u041f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u0442\u0435, \u0447\u0442\u043e \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u043d\u0430 \u043f\u0435\u0440\u0432\u043e\u0439 \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0438 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.\u041f\u043e\u0441\u043a\u043e\u043b\u044c\u043a\u0443\u00a0\u03bb\u22480 , \u0432\u044b\u0445\u043e\u0434 \u043b\u044e\u0431\u043e\u0433\u043e \u0431\u043b\u043e\u043a\u0430 \u0443\u043c\u043d\u043e\u0436\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u043d\u043e\u043b\u044c. \u0423\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0441\u0445\u043b\u043e\u043f\u044b\u0432\u0430\u0435\u0442\u0441\u044f \u0434\u043e:xout\u200b\u2248xin\u200b+0  \u041c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438, \u0432\u0430\u0448\u0430 100-\u0441\u043b\u043e\u0439\u043d\u0430\u044f \u043c\u0430\u0445\u0438\u043d\u0430 \u0432 \u043d\u0430\u0447\u0430\u043b\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u0435\u0434\u0435\u0442 \u0441\u0435\u0431\u044f \u043a\u0430\u043a\u00a0\u0441\u0435\u0442\u044c \u0438\u0437 \u043d\u0443\u043b\u044f \u0441\u043b\u043e\u0435\u0432\u00a0(\u0447\u0438\u0441\u0442\u0430\u044f \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u0438\u0434\u0435\u043d\u0442\u0438\u0447\u043d\u043e\u0441\u0442\u0438). \u0421\u0438\u0433\u043d\u0430\u043b \u043f\u0440\u043e\u043b\u0435\u0442\u0430\u0435\u0442 \u043e\u0442 \u0432\u0445\u043e\u0434\u0430 \u0434\u043e \u0432\u044b\u0445\u043e\u0434\u0430 \u0431\u0435\u0437 \u0435\u0434\u0438\u043d\u043e\u0433\u043e \u0438\u0441\u043a\u0430\u0436\u0435\u043d\u0438\u044f. \u0413\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u044b \u0442\u0435\u043a\u0443\u0442 \u0438\u0434\u0435\u0430\u043b\u044c\u043d\u043e \u0433\u043b\u0430\u0434\u043a\u043e, \u043a\u0430\u043a \u043f\u043e \u0430\u0432\u0442\u043e\u0431\u0430\u043d\u0443.\u0414\u0430\u043b\u044c\u0448\u0435 \u0432 \u0434\u0435\u043b\u043e \u0432\u0441\u0442\u0443\u043f\u0430\u0435\u0442 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u043d\u044b\u0439 \u0441\u043f\u0443\u0441\u043a. \u041e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440 \u0432\u0438\u0434\u0438\u0442 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u00a0\u03bb\u00a0\u0438 \u043f\u043e\u043d\u0438\u043c\u0430\u0435\u0442:\u00a0&#171;\u0410\u0433\u0430, \u0435\u0441\u043b\u0438 \u044f \u043d\u0430\u0447\u043d\u0443 \u043f\u043e\u043d\u0435\u043c\u043d\u043e\u0433\u0443 \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u0442\u044c\u00a0\u03bb \u0432 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0445 \u0441\u043b\u043e\u044f\u0445, loss \u043d\u0430\u0447\u043d\u0435\u0442 \u043f\u0430\u0434\u0430\u0442\u044c&#187;.\u0421\u0435\u0442\u044c \u043d\u0430\u0447\u0438\u043d\u0430\u0435\u0442\u00a0\u043f\u043e\u0441\u0442\u0435\u043f\u0435\u043d\u043d\u043e &#171;\u043f\u0440\u043e\u0431\u0443\u0436\u0434\u0430\u0442\u044c&#187; \u0441\u043b\u043e\u0438. \u041e\u043d\u0430 \u0441\u0430\u043c\u0430 \u0440\u0435\u0448\u0430\u0435\u0442, \u043a\u0430\u043a\u043e\u043c\u0443 \u0431\u043b\u043e\u043a\u0443 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u044f \u0434\u0430\u0442\u044c &#171;\u0433\u0440\u043e\u043c\u043a\u043e\u0441\u0442\u044c&#187;, \u0430 \u043a\u0430\u043a\u043e\u0439 \u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u0437\u0430\u0433\u043b\u0443\u0448\u0435\u043d\u043d\u044b\u043c. \u041c\u044b \u0431\u043e\u043b\u044c\u0448\u0435 \u043d\u0435 \u0432\u043b\u0438\u0432\u0430\u0435\u043c \u0445\u0430\u043e\u0441 \u0432 \u043c\u0430\u0433\u0438\u0441\u0442\u0440\u0430\u043b\u044c. \u041c\u044b \u043f\u0440\u0438\u043e\u0442\u043a\u0440\u044b\u0432\u0430\u0435\u043c \u043a\u0440\u0430\u043d \u0440\u043e\u0432\u043d\u043e \u043d\u0430 \u0442\u0443 \u0432\u0435\u043b\u0438\u0447\u0438\u043d\u0443, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u0441\u0435\u0442\u044c \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u0430 \u043f\u0435\u0440\u0435\u0432\u0430\u0440\u0438\u0442\u044c \u0431\u0435\u0437 \u0432\u0437\u0440\u044b\u0432\u0430 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u043e\u0432.\u0420\u0435\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u043d\u0430 Pytorch\u0412\u043d\u0435\u0434\u0440\u0438\u0442\u044c \u044d\u0442\u043e \u0432 \u0441\u0432\u043e\u044e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u043f\u0440\u043e\u0449\u0435 \u043f\u0440\u043e\u0441\u0442\u043e\u0433\u043e. \u0412\u043e\u0442 \u043a\u0430\u043a \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u044d\u0442\u043e\u0442 \u0441\u043b\u043e\u0439:import torchimport torch.nn as nnclass LayerScale(nn.Module):    def __init__(self, dim, init_values=1e-5, inplace=False):        super().__init__()        self.inplace = inplace        # \u0421\u043e\u0437\u0434\u0430\u0435\u043c \u043e\u0431\u0443\u0447\u0430\u0435\u043c\u044b\u0439 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440: \u0432\u0435\u043a\u0442\u043e\u0440 \u0440\u0430\u0437\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438 dim        self.gamma = nn.Parameter(init_values * torch.ones(dim))    def forward(self, x):        # \u0423\u043c\u043d\u043e\u0436\u0430\u0435\u043c \u043a\u0430\u0436\u0434\u044b\u0439 \u043a\u0430\u043d\u0430\u043b \u043d\u0430 \u0441\u0432\u043e\u0439 \u0432\u0435\u0441        return x.mul_(self.gamma) if self.inplace else x * self.gamma# \u041f\u0440\u0438\u043c\u0435\u0440 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0432\u043d\u0443\u0442\u0440\u0438 \u0431\u043b\u043e\u043a\u0430:class TransformerBlock(nn.Module):    def __init__(self, dim):        super().__init__()        self.norm1 = nn.LayerNorm(dim)        self.attn = Attention(dim)        self.ls1 = LayerScale(dim, init_values=1e-5) # &lt;&#8212; layer scale        self.norm2 = nn.LayerNorm(dim)        self.mlp = MLP(dim)        self.ls2 = LayerScale(dim, init_values=1e-5) # &lt;&#8212; layer scale    def forward(self, x):        # \u0421\u0438\u0433\u043d\u0430\u043b \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u0447\u0435\u0440\u0435\u0437 \u0431\u043b\u043e\u043a, \u0433\u043b\u0443\u0448\u0438\u0442\u0441\u044f LayerScale, \u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0442\u043e\u043c \u043f\u043b\u044e\u0441\u0443\u0435\u0442\u0441\u044f        x = x + self.ls1(self.attn(self.norm1(x)))        x = x + self.ls2(self.mlp(self.norm2(x)))        return x\u0420\u0430\u0437\u043d\u0438\u0446\u0430 \u0441 LayerNorm\u0427\u0430\u0441\u0442\u043e \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u0435\u0442 \u0432\u043e\u043f\u0440\u043e\u0441:\u00a0&#171;\u0417\u0430\u0447\u0435\u043c \u043d\u0430\u043c LayerScale, \u0435\u0441\u043b\u0438 \u0443 \u043d\u0430\u0441 \u0443\u0436\u0435 \u0435\u0441\u0442\u044c LayerNorm?&#187;.\u042d\u0442\u043e \u0440\u0430\u0437\u043d\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b \u0434\u043b\u044f \u0440\u0430\u0437\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447:LayerNorm\u00a0\u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442\u00a0\u0432\u043d\u0443\u0442\u0440\u0438\u00a0\u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0430 \u0431\u043b\u043e\u043a\u0430. \u041e\u043d \u043d\u043e\u0440\u043c\u0438\u0440\u0443\u0435\u0442 \u0441\u0438\u0433\u043d\u0430\u043b, \u0447\u0442\u043e\u0431\u044b \u043c\u0430\u0442\u0440\u0438\u0446\u0430\u043c (Wq\u200b, Wk\u200b, Wv ) \u0431\u044b\u043b\u043e \u043a\u043e\u043c\u0444\u043e\u0440\u0442\u043d\u043e \u0441 \u043d\u0438\u043c \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c. \u041e\u043d \u043d\u0435 \u0437\u0430\u0449\u0438\u0449\u0430\u0435\u0442 \u0432\u043d\u0435\u0448\u043d\u044e\u044e \u043c\u0430\u0433\u0438\u0441\u0442\u0440\u0430\u043b\u044c.LayerScale\u00a0\u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043d\u0430\u00a0\u0432\u044b\u0445\u043e\u0434\u0435\u00a0\u0438\u0437 \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0430. \u042d\u0442\u043e \u0433\u0435\u0439\u0442 (\u0432\u0435\u043d\u0442\u0438\u043b\u044c), \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0438\u0440\u0443\u0435\u0442, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0438\u043b\u044c\u043d\u043e \u044d\u0442\u043e\u0442 \u0431\u043b\u043e\u043a \u0438\u043c\u0435\u0435\u0442 \u043f\u0440\u0430\u0432\u043e \u0438\u0437\u043c\u0435\u043d\u0438\u0442\u044c \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u044b\u0439 residual stream.\u041a\u0441\u0442\u0430\u0442\u0438,\u00a0\u03bb\u00a0\u044d\u0442\u043e \u043f\u043e-\u043a\u0430\u043d\u0430\u043b\u044c\u043d\u044b\u0439 \u0432\u0435\u043a\u0442\u043e\u0440. \u0421\u0435\u0442\u044c \u043c\u043e\u0436\u0435\u0442 \u0432\u044b\u0443\u0447\u0438\u0442\u044c, \u0447\u0442\u043e \u0434\u043b\u044f 5-\u0433\u043e \u043a\u0430\u043d\u0430\u043b\u0430 \u0433\u0440\u043e\u043c\u043a\u043e\u0441\u0442\u044c \u0434\u043e\u043b\u0436\u043d\u0430 \u0431\u044b\u0442\u044c 1.0, \u0430 \u0434\u043b\u044f 128-\u0433\u043e \u043a\u0430\u043d\u0430\u043b\u0430 \u043e\u0441\u0442\u0430\u0442\u044c\u0441\u044f \u043e\u043a\u043e\u043b\u043e \u043d\u0443\u043b\u044f. \u042d\u0442\u043e \u0434\u0430\u0435\u0442 \u043a\u043e\u043b\u043e\u0441\u0441\u0430\u043b\u044c\u043d\u0443\u044e \u0433\u0438\u0431\u043a\u043e\u0441\u0442\u044c \u0432 \u043c\u0430\u0440\u0448\u0440\u0443\u0442\u0438\u0437\u0430\u0446\u0438\u0438 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u043e\u0432.\u0417\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435LayerScale \u044d\u0442\u043e \u0438\u0434\u0435\u0430\u043b\u044c\u043d\u044b\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u0442\u043e\u0433\u043e, \u043a\u0430\u043a \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0435 \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442\u043d\u043e\u0439 \u043c\u0435\u0445\u0430\u043d\u0438\u043a\u0438 \u043f\u043e\u0431\u0435\u0436\u0434\u0430\u0435\u0442 \u0433\u0440\u0443\u0431\u0443\u044e \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u0443\u044e \u0441\u0438\u043b\u0443. \u0412\u043c\u0435\u0441\u0442\u043e \u0442\u043e\u0433\u043e \u0447\u0442\u043e\u0431\u044b \u043f\u0440\u0438\u0434\u0443\u043c\u044b\u0432\u0430\u0442\u044c \u0437\u0443\u0431\u043e\u0434\u0440\u043e\u0431\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0441\u0445\u0435\u043c\u044b \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440\u043e\u0432 \u0438\u043b\u0438 \u0441\u0436\u0438\u0433\u0430\u0442\u044c \u043c\u0435\u0433\u0430\u0432\u0430\u0442\u0442\u044b \u043d\u0430 \u043f\u043e\u0434\u0431\u043e\u0440 Learning Rate, \u043c\u044b \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u043c \u043e\u0434\u0438\u043d \u0432\u0435\u043a\u0442\u043e\u0440 \u043d\u0430 \u0441\u043b\u043e\u0439 \u0438 \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u043c \u0442\u043e\u043f\u043e\u043b\u043e\u0433\u0438\u0438 \u0441\u0435\u0442\u0438 \u0441\u043e\u0431\u0438\u0440\u0430\u0442\u044c \u0441\u0430\u043c\u0443 \u0441\u0435\u0431\u044f \u0432 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.\u0415\u0441\u043b\u0438 \u0432\u044b \u043f\u0438\u0448\u0435\u0442\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u0441 \u043d\u0443\u043b\u044f, \u0438\u043b\u0438 \u043f\u044b\u0442\u0430\u0435\u0442\u0435\u0441\u044c \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u0447\u0442\u043e-\u0442\u043e \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0435 (\u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0432 \u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u043d\u043e\u043c \u0437\u0440\u0435\u043d\u0438\u0438, \u0433\u0434\u0435 \u044d\u0442\u0430 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0441\u0442\u043e\u0438\u0442 \u043e\u0441\u0442\u0440\u0435\u0435 \u0432\u0441\u0435\u0433\u043e), \u0434\u043e\u0431\u0430\u0432\u044c\u0442\u0435 LayerScale. \u0412\u044b \u0443\u0434\u0438\u0432\u0438\u0442\u0435\u0441\u044c, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0442\u0430\u0431\u0438\u043b\u044c\u043d\u0435\u0435 \u0441\u0442\u0430\u043d\u0435\u0442 \u0432\u0430\u0448 loss.\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 https:\/\/habr.com\/ru\/articles\/1036484\/<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-480143","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/480143","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=480143"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/480143\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=480143"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=480143"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=480143"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}