Transformer-Embedding层详解03：从头训练时 “Embedding层” 的梯度幅值为何通常高于 “全连接层”【Embedding层梯度幅值较高的原因分析】

u013250861

已于 2025-06-25 22:39:56 修改

阅读量25

点赞数

CC 4.0 BY-SA版权

分类专栏： # LLM/Transformer 文章标签： transformer embedding 深度学习

于 2025-06-25 22:29:18 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/u013250861/article/details/148908410

LLM/Transformer 专栏收录该内容

66 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

Embedding层梯度幅值较高的原因分析

1. Embedding层梯度计算 vs 全连接层梯度表达式

Embedding层作为查找表的梯度计算： 在NLP模型中，Embedding层通常以one-hot向量作为输入，将离散的词ID映射为连续向量。

本质上，Embedding层等价于一个输入为one-hot的全连接层。

设词汇表大小为 $N$ ，嵌入维度为

了解本专栏

超级会员免费看

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。