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

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qi, Xianbiao, Chen, Marco, Xiao, Wenjie, Ye, Jiaquan, He, Yelin, Li, Chun-Guang, Lin, Zhouchen
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computation and Language Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!

Ähnliche Einträge