diff --git a/assets/image-20240503154451656.png b/assets/image-20240503154451656.png
new file mode 100644
index 0000000..6add98f
Binary files /dev/null and b/assets/image-20240503154451656.png differ
diff --git a/人人都能看懂的Transformer/第六章——数值缩放.md b/人人都能看懂的Transformer/第六章——数值缩放.md
index ab826bd..805ae28 100644
--- a/人人都能看懂的Transformer/第六章——数值缩放.md
+++ b/人人都能看懂的Transformer/第六章——数值缩放.md
@@ -44,7 +44,27 @@ print(residual_output)
 
 残差连接很像人，从心理学上讲，每个人都有对成功的路径依赖。比如说你上次是通过努力背公式，让你考试拿了高分，那你下次考试前，还会努力背公式。亦或者是你发现运动过程中，边运动边听音乐能帮忙你运动更长时间，你下次运动的时候还是会边听音乐边运动。
 
+经过两者的相加后，大值之间相加就有可能超过1，小值相加就有可能小与-1，这时候就需要进行一次缩放。
+
 
 
 ### 层归一化
 
+缩放规则：均值为0，方差为1。
+
+~~~scss
+LayerNorm(x) = γ * (x - μ) / σ + β
+~~~
+
+- *x* 是待归一化的输入张量。
+- 𝜇 是输入张量 𝑥 的均值。
+- 𝜎 是输入张量 𝑥 的标准差。
+- 𝛾 和 𝛽 是可学习的参数，通过反向传播和梯度下降算法在训练过程中学习的。。
+
+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。
+
+
+
+### 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。