Transformer——Q70 GeLU激活函数 xΦ (x) 的近似误差分析(Φ 为CDF)

该问题归类到Transformer架构问题集——前馈网络——全连接层。请参考LLM数学推导——Transformer架构问题集

1. 引言

在大语言模型(LLM)的复杂架构中,激活函数是赋予模型非线性表达能力的关键组件。GeLU(Gaussian Error Linear Units)激活函数凭借其独特的自适应特性,在 Transformer 等主流 LLM 架构中广泛应用。然而,由于其表达式 GeLU(x)=x\Phi(x) 中的 \Phi(x)(标准正态分布的累积分布函数)不存在显式初等函数形式,实际计算依赖近似方法,这就产生了近似误差问题。深入探究这些误差,对理解 LLM 的运行机制与性能优化至关重要。

2. GeLU 激活函数基础理论

2.1 函数定义与特性

GeLU 激活函数定义为 GeLU(x)=x\Phi(x),其中 \Phi(x)=\frac{1}{\sqrt{2\pi}}\int_{-\infty}^{x}e^{-\frac{t^2}{2}}dt 。该函数通过融合输入 x 与标准正态分布的累积概率信息,实现自适应激活:当 x 较大时,\Phi(x) 趋近于 1,GeLU(x) 近似线性;当 x 较小时,\Phi(x) 趋近于 0,对输入进行收缩。这种特性使 GeLU 能更好捕捉数据非线性特征,增强模型表达能力。

2.2 \Phi(x) 的常见近似方法

2.2.1 泰勒级数展开

基于泰勒

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

墨顿

唵嘛呢叭咪吽

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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。

余额充值