Fix. 修正错别字以及语义表达

人人都能看懂的Transformer/第六章——数值缩放.md

@@ -16,7 +16,7 @@ $$
 
 ### 残差连接
 
-`Input`跟`x`的相加，则是对应位置元素简单相加，可以理解为跟位置编码一样的，即`Input[i][j]`+`x[i][j]`，i、j分别表示不同维度的某个位置。
+`Input`跟`x`的相加，则是对应位置元素简单相加，可以理解为类似位置编码一样的向量加法，即`Input[i][j]`+`x[i][j]`，i、j分别表示不同维度的某个位置。
 
 模拟代码如下：
 
@@ -50,7 +50,7 @@ print(residual_output)
 
 ### 层归一化
 
-缩放规则：均值为0，方差为1。以下是GPT-2里的源码
+调整数据使得其均值为0，方差为1。以下是GPT-2里的源码
 
 ~~~python
 def norm(x, scope, *, axis=-1, epsilon=1e-5):
@@ -77,10 +77,10 @@ $$
 \text{LN}(x) = g \cdot \frac{x - \mu}{\sqrt{\sigma^2 + \epsilon}} + b
 $$
 
-跟标准的层归一化不一样，但两者是等价的。简单理解为，最终值又会进行一轮的缩放，让它们都回到一个相对统一的区间。
+跟你网上查的层归一化的公式可能不一样，但两者是等价的。代码考虑了实际情况，调整成运行更优的方式。简单理解为，最终值又会进行一轮的缩放，让它们都回到一个相对统一的区间。
 
 
 
 ### 总结
 
-多头注意力的输出A矩阵通过残差连接与原始输入x相加，得到相同位置元素的和。这个过程类似于人们对成功经验的依赖。然而，相加后的值可能超出标准范围，因此需要层归一化(LayerNorm)来调整数据分布，使其均值为0，方差为1。层归一化通过可学习参数γ和β，对输入进行缩放和偏移，确保网络的稳定性。
+多头注意力的输出A矩阵通过残差连接与原始输入x相加，得到相同位置元素的和。这个过程类似于人们对成功经验的依赖。然而，相加后的值可能超出标准范围，因此需要层归一化(LayerNorm)来调整数据分布，使其均值为0，方差为1。层归一化通过可学习参数g和b，对输入进行缩放和偏移，确保网络的稳定性。