DNT: a Deeply Normalized Transformer that can be trained by Momentum SGD

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Qi, Xianbiao, Chen, Marco, Xiao, Wenjie, Ye, Jiaquan, He, Yelin, Li, Chun-Guang, Lin, Zhouchen
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi