LayerNorm — PyTorch 2.9 documentation
layernorm不是对通道进行归一化。而是对选定维度进行归一化。被选定的维度作为一个整体，计算出方差和均值然后进行对被选定维度进行归一化。
（整体归一化的意思就是，如果把[C, H, W]作为归一化维度，那么C*H*W 个元素来进行计算均值和方差，然后进行归一化。）
它的主要作用是将每层特征输入到激活函数之前进行标准化，使其转换为均值为0，方差为1的数据，从而避免数据落在激活函数的饱和区，减少梯度消失的问题。
LayerNorm 可以应用于神经网络的任何层，包括卷积层和循环层，通常放在激活函数之前。
Q：为什么公式是这样，而不是直接除以总和呢？
A：以前的归一化是x_i' = x_i / sum(x) ，即让所有元素综合为1.这种主要应用于生成概率分布，注意力权重等。而深度学习中的归一化，目标是为了 调整数据的整体分布，使其更加稳定（均值为0，标准差为1），其主要是为了
稳定神经网络训练、加速收敛、防止梯度问题 |
Q：layernorm归一化之后若不进行缩放偏移，则均值为0，标准差为1.这有什么意义呢，能确定它的范围吗？
pytorch中有个很神奇的规则就是： 如果写成layerNorm(dim) 其中dim是整数，则默认对最后一个维度进行归一化。
PyTorch 的底层规则：根据 PyTorch 的设计，当normalized_shape是一个整数时，它会被自动解释为一个仅包含该整数的列表，即normalized_shape = [dim]。这个列表指明了要对输入张量的最后len(normalized_shape)个维度进行归一化。
参考：
LayerNorm在CV与NLP中的应用与实现-CSDN博客
标准正态分布_百度百科
10分钟搞清楚为什么Transformer中使用LayerNorm而不是BatchNormNormalization技术 - 掘金
Build Better Deep Learning Models with Batch and Layer Normalization | Pinecone
声明Bean的注解)
