人工智能领域常用LaTeX公式语法符号汇总
常用数学符号及 LaTeX 公式速查手册
适用对象:写机器学习 / 深度学习笔记、论文、博客的任何人
兼容性说明:本文所有语法均在 KaTeX(Typora、Obsidian、VuePress、Hexo 默认)与 MathJax (Overleaf、Jupyter、知乎)下验证可用,无需额外宏包。
目录
一、LaTeX 公式介绍
1.1 两种公式模式
| 模式 | 语法 | 用途 |
|---|---|---|
| 行内公式 | $E = mc^2$ | 嵌在正文里,随文字流排版 |
| 独立公式 | $$E = mc^2$$ | 单独成行并居中,用于重要公式 |
行内效果:vs 独立效果:
注意独立公式的
$$必须独占一行,否则部分渲染器(尤其 KaTeX)会解析失败。
1.2 Typora 中的快捷键
| 操作 | 快捷键 |
|---|---|
| 插入公式块 | Ctrl/Cmd + Shift + M或输入 $$ 后回车 |
| 源码模式切换 | Ctrl/Cmd + / |
1.3 公式环境的两个常用”容器”
除了 $$...$$,多行公式通常在 $$ 内部再套环境:
| 环境 | 用途 |
|---|---|
aligned | 多行公式按 & 对齐(最常用) |
cases | 分段函数 / 条件分支 |
matrix 系列 | 矩阵、行列式 |
array | 自定义列对齐的通用表格环境 |
1.4 六个必知的坑
| 坑 | 错误写法 | 正确写法 |
|---|---|---|
| 公式里写中文 | $损失函数$ | $\text{损失函数}$ |
| 多字母变量名 | $loss$ → (变成 l·o·s·s 相乘) | $\text{loss}$ 或 $\mathrm{loss}$ |
| 直接敲空格 | $a b$ 空格被忽略 | $a \, b$ / $a \quad b$ |
| 函数名用斜体 | $sin(x)$ → | $\sin(x)$ → |
| 保留字符 | % # & _ $ 需转义 | \% \# \& \_ \$ |
二、常用符号速查
2.1 希腊字母(高频)
| 渲染 | 源码 | 读音/用途 | 渲染 | 源码 | 读音/用途 |
|---|---|---|---|---|---|
\alpha | alpha,学习率 | \beta | beta,动量 | ||
\gamma | gamma,折扣因子 | \delta | delta,增量 | ||
\epsilon | epsilon,噪声/精度 | \varepsilon | 变体写法 | ||
\zeta | zeta | \eta | eta,学习率 | ||
\theta | theta,模型参数 | \vartheta | 变体写法 | ||
\lambda | lambda,正则系数 | \mu | mu,均值 | ||
\nu | nu | \pi | pi | ||
\rho | rho | \sigma | sigma,标准差/激活 | ||
\tau | tau,温度系数 | \phi | phi | ||
\varphi | 变体写法 | \psi | psi | ||
\omega | omega,权重/角频率 | \xi | xi | ||
\Gamma | 大写 | \Delta | 差分 | ||
\Theta | 参数集合 | \Lambda | 对角矩阵 | ||
\Sigma | 协方差矩阵 | \Phi | 特征映射 | ||
\Omega | 样本空间 | \Pi | 连乘 |
2.2 运算符与关系符
| 渲染 | 源码 | 含义 | 渲染 | 源码 | 含义 |
|---|---|---|---|---|---|
\times | 叉乘 | \cdot | 点乘 | ||
\div | 除 | \pm | 正负 | ||
\circ | 复合/逐元素 | \odot | Hadamard 积 | ||
\otimes | 卷积/Kronecker 积 | \oplus | 直和/拼接 | ||
\ast | 卷积运算符 | \star | 星号 | ||
\neq | 不等于 | \approx | 约等于 | ||
\equiv | 恒等于 | \sim | 服从/同阶 | ||
\leq | 小于等于 | \geq | 大于等于 | ||
\ll | 远小于 | \gg | 远大于 | ||
\propto | 正比于 | \parallel | 平行/分布间 | ||
\perp | 垂直/独立 | \prec | 优于 |
2.3 集合与数集
| 渲染 | 源码 | 含义 |
|---|---|---|
\mathbb{R} | 实数集 | |
\mathbb{R}^{n} | n 维实向量空间 | |
\mathbb{R}^{m \times n} | 实矩阵空间 | |
\mathbb{N}, \mathbb{Z}, \mathbb{Q}, \mathbb{C} | 自然数/整数/有理数/复数 | |
\mathbb{E}[X] | 期望 | |
\mathbb{1}[\cdot] | 指示函数 | |
\in | 属于 | |
\notin | 不属于 | |
\subset | 子集 | |
\subseteq | 子集(含相等) | |
\cup | 并集 | |
\cap | 交集 | |
\setminus | 差集 | |
\emptyset 或 \varnothing | 空集 | |
\forall | 任意 | |
\exists | 存在 | |
\nexists | 不存在 | |
\infty | 无穷 | |
\lvert \mathcal{D} \rvert | 集合基数 |
2.4 线性代数符号
| 渲染 | 源码 | 含义 |
|---|---|---|
\mathbf{x} | 向量 | |
\mathbf{A} | 矩阵 | |
\mathsf{X} | 张量(无衬线) | |
\mathbf{A}^\top | 转置(推荐 \top) | |
\mathbf{A}^{-1} | 逆矩阵 | |
\mathbf{A}^{+} | 伪逆 | |
\mathbf{I} | 单位矩阵 | |
\lVert \mathbf{x} \rVert_2 | L2 范数 | |
\lVert \mathbf{x} \rVert_1 | L1 范数 | |
\lVert \mathbf{x} \rVert_p | p 范数 | |
\lVert \mathbf{x} \rVert_F | Frobenius 范数 | |
\langle \mathbf{x}, \mathbf{y} \rangle | 内积 | |
\mathbf{x}^\top \mathbf{y} | 内积(列向量) | |
\det(\mathbf{A}) | 行列式 | |
\text{tr}(\mathbf{A}) | 迹 | |
\text{rank}(\mathbf{A}) | 秩 | |
\text{diag}(\mathbf{v}) | 对角矩阵 | |
\text{span}(\mathbf{v}_1, \mathbf{v}_2) | 张成空间 | |
\mathcal{N}(\mathbf{A}) | 零空间 |
2.5 微积分符号
| 渲染 | 源码 | 含义 |
|---|---|---|
\frac{dy}{dx} | 导数 | |
\frac{\partial y}{\partial x} | 偏导数 | |
\partial_x f | 偏导简写 | |
\nabla f | 梯度 | |
\nabla_\theta J(\theta) | 对 θ 求梯度 | |
\nabla^2 f | Hessian / 拉普拉斯 | |
\nabla \cdot \mathbf{F} | 散度 | |
f'(x), f''(x) | 一阶/二阶导 | |
\int_a^b f(x) \, dx | 定积分 | |
\iint_D | 二重积分 | |
\oint_C | 曲线积分 | |
\lim_{x \to 0} | 极限 | |
\sum_{i=1}^{n} | 求和 | |
\prod_{i=1}^{n} | 连乘 | |
\mathrm{d}x | 正体微分号 |
2.6 概率与统计符号
| 渲染 | 源码 | 含义 |
|---|---|---|
P(A) | 概率 | |
P(A \mid B) | 条件概率 | |
p(x) | 概率密度 | |
p(x; \theta) | 带参数的密度 | |
X \sim \mathcal{N}(\mu, \sigma^2) | 服从高斯分布 | |
\mathbb{E}[X] | 期望 | |
\mathbb{E}_{x \sim p}[f(x)] | 关于分布的期望 | |
\text{Var}(X) | 方差 | |
\text{Cov}(X, Y) | 协方差 | |
\text{KL}(p \parallel q) | KL 散度 | |
X \perp Y | 独立 | |
X \perp Y \mid Z | 条件独立 | |
\mathcal{H}(X) | 熵 | |
\mathcal{I}(X; Y) | 互信息 | |
\arg\max_\theta f(\theta) | 取最大参数 | |
\arg\min_\theta f(\theta) | 取最小参数 |
2.7 机器学习 / 深度学习专用符号
| 渲染 | 源码 | 含义 |
|---|---|---|
\theta, \Theta | 模型参数(全集) | |
\mathbf{W}, \mathbf{b} | 权重矩阵、偏置 | |
\mathbf{x}, \mathbf{y} | 输入、标签 | |
\hat{y} | 预测值 | |
\mathcal{L} | 损失函数 | |
\mathcal{D} | 数据集 | |
\mathcal{X}, \mathcal{Y} | 输入空间、输出空间 | |
\alpha, \eta | 学习率 | |
\lambda | 正则化系数 | |
\gamma | 折扣因子 / 衰减 | |
\epsilon | 数值稳定项 / 噪声 | |
\tau | 温度系数 | |
\sigma(\cdot) | Sigmoid | |
\mathbf{Q}, \mathbf{K}, \mathbf{V} | Query/Key/Value | |
d_k, d_{\text{model}} | 维度 | |
N, B, T | 样本数 / 批大小 / 序列长度 | |
\odot | 逐元素乘 | |
* | 卷积运算 | |
\oplus | 残差/拼接 | |
\text{softmax}(\mathbf{z}) | Softmax | |
\text{ReLU}(\cdot) | 激活函数 |
三、常用语法速查
3.1 上下标
| 渲染 | 源码 | 说明 |
|---|---|---|
x^2 | 上标 | |
x_i | 下标 | |
x_i^2 | 同时上下标 | |
a_{i,j}^{(t)} | 多字符必须加花括号 | |
e^{x^2} | 嵌套上标 | |
\sum\limits_{i=1}^{n} | 强制上下(行内也上下排) | |
\overset{\text{def}}{=} | 上方标注”定义为” | |
\underset{\theta}{\arg\max} | 下方标注 |
⚠️
x^10只渲染成 (只有 1 在上标),必须写x^{10}→ 。
3.2 分式与根号
| 渲染 | 源码 | 说明 |
|---|---|---|
\frac{a}{b} | 分式 | |
\dfrac{a}{b} | 强制 display 大小 | |
\tfrac{a}{b} | 强制行内大小 | |
| 或 | \frac{\partial f}{\partial x} | 偏导 |
\sqrt{x} | 平方根 | |
\sqrt[3]{x} | n 次根 | |
\binom{n}{k} | 二项式系数 | |
\cfrac{1}{1 + \cfrac{1}{x}} | 连分式 |
3.3 括号与定界符
| 渲染 | 源码 | 说明 |
|---|---|---|
(\frac{1}{2}) | 固定小括号(不缩放) | |
\left(\frac{1}{2}\right) | 自适应高度 | |
\left[ x \right] | 方括号 | |
\left\{ x \right\} | 花括号(要转义) | |
\left\lvert x \right\rvert | 绝对值 | |
\left\lVert \mathbf{x} \right\rVert_2 | 范数 | |
\left\langle x, y \right\rangle | 内积尖括号 | |
\left. \frac{dy}{dx} \right\vert_{x=0} | 单侧括号(. 占位) | |
\underbrace{a + b + c}_{\text{求和}} | 下花括号标注 | |
\overbrace{x_1 + x_2}^{\text{输入}} | 上花括号标注 |
\left与\right必须成对出现,缺一个就编译报错。
3.4 求和、积分、极限
| 渲染 | 源码 | 说明 |
|---|---|---|
\sum_{i=1}^{n} x_i | 求和 | |
\sum_{i \in \mathcal{S}} x_i | 带条件求和 | |
\prod_{i=1}^{n} x_i | 连乘 | |
\int_0^\infty f(x) \, dx | 定积分 | |
\iint_{\mathcal{D}} f | 二重积分 | |
\oint_{\mathcal{C}} | 闭曲线积分 | |
\lim_{n \to \infty} a_n | 极限 | |
\lim_{x \to 0^+} f(x) | 右极限 | |
\max_{1 \leq i \leq n} x_i | 最大值 | |
\bigcup_{i=1}^{n} A_i | 大并集 |
3.5 矩阵与行列式
| 渲染 | 源码 | 说明 |
|---|---|---|
\begin{matrix} a & b \\ c & d \end{matrix} | 无括号 | |
\begin{pmatrix} ... \end{pmatrix} | 小括号 | |
\begin{bmatrix} ... \end{bmatrix} | 方括号 | |
\begin{vmatrix} ... \end{vmatrix} | 行列式 | |
\begin{Bmatrix} ... \end{Bmatrix} | 大花括号 | |
\cdots \vdots \ddots | 省略号占位 |
& 分列,\\ 换行。
3.6 多行公式对齐
| 渲染 | 源码 | 说明 |
|---|---|---|
\begin{aligned} a &= b \\ c &= d \end{aligned} | & 为对齐锚点 | |
&\quad + 1 | 续行缩进 | |
| \begin{gather} a = b \\ c = d \end{gather} | \begin{gather} ... \end{gather} | 全部居中不对齐 |
\begin{cases} ... \end{cases} | 分段函数 |
3.7 字体与文本
| 渲染 | 源码 | 说明 |
|---|---|---|
\mathbf{A} | 粗体(向量/矩阵) | |
\boldsymbol{\theta} | 粗斜体(参数) | |
\mathrm{d} | 正体(微分号、单位) | |
\mathit{time} | 斜体多字母变量 | |
\mathcal{L} | 花体(损失/集合) | |
\mathbb{R} | 空心体(数集) | |
\mathsf{X} | 无衬线(张量) | |
\mathtt{code} | 等宽体 | |
\text{中文文本} | 公式内插入文本 | |
\hat{y} | 帽子(预测值) | |
\tilde{x} | 波浪号 | |
\bar{x} | 均值横线 | |
\overline{AB} | 长横线 | |
\vec{v} | 向量箭头 |
3.8 空格与间距
| 渲染 | 源码 | 宽度 |
|---|---|---|
a\,b | 细(3/18 em) | |
a\:b | 中(4/18 em) | |
a\;b | 宽(5/18 em) | |
a\!b | 负空格(收紧) | |
a \quad b | 一个字符宽 | |
a \qquad b | 两个字符宽 | |
| 换行 | \\[4pt] | 换行并加额外间距 |
四、机器学习常用公式
4.1 线性回归
假设函数
$$\hat{y} = \mathbf{w}^\top \mathbf{x} + b = \sum_{j=1}^{d} w_j x_j + b$$向量化形式(整个数据集)
$$\hat{\mathbf{y}} = \mathbf{X} \mathbf{w} + b, \quad \mathbf{X} \in \mathbb{R}^{N \times d}$$闭式解(正规方程)
$$\mathbf{w}^* = (\mathbf{X}^\top \mathbf{X})^{-1} \mathbf{X}^\top \mathbf{y}$$4.2 逻辑回归
$$P(y = 1 \mid \mathbf{x}) = \sigma(\mathbf{w}^\top \mathbf{x} + b) = \frac{1}{1 + e^{-(\mathbf{w}^\top \mathbf{x} + b)}}$$决策边界: 当且仅当
4.3 损失函数
均方误差 MSE
$$\mathcal{L}_{\text{MSE}} = \frac{1}{N} \sum_{i=1}^{N} \lVert \mathbf{y}_i - \hat{\mathbf{y}}_i \rVert_2^2$$二分类交叉熵 BCE
$$\mathcal{L}_{\text{BCE}} = -\frac{1}{N} \sum_{i=1}^{N} \left[ y_i \log \hat{y}_i + (1 - y_i) \log (1 - \hat{y}_i) \right]$$多分类交叉熵
$$\mathcal{L}_{\text{CE}} = -\frac{1}{N} \sum_{i=1}^{N} \sum_{c=1}^{C} y_{ic} \log \hat{y}_{ic}$$0-1 损失与 Hinge 损失
$$\mathcal{L}_{\text{hinge}} = \max(0, \, 1 - y_i f(\mathbf{x}_i))$$4.4 正则化
$$\mathcal{L}_{\text{reg}} = \mathcal{L}(\mathbf{w}) + \lambda R(\mathbf{w}), \quadR(\mathbf{w}) = \begin{cases}\lVert \mathbf{w} \rVert_2^2 = \sum_j w_j^2, & \text{L2 (Ridge)} \\\lVert \mathbf{w} \rVert_1 = \sum_j \lvert w_j \rvert, & \text{L1 (Lasso)}\end{cases}$$4.5 梯度下降
批量梯度下降 BGD
$$\theta_{t+1} = \theta_t - \eta \nabla_\theta \mathcal{L}(\theta_t)= \theta_t - \eta \cdot \frac{1}{N} \sum_{i=1}^{N} \nabla_\theta \ell(f(\mathbf{x}_i; \theta), y_i)$$随机梯度下降 SGD(每次只用一个样本)
$$\theta_{t+1} = \theta_t - \eta \nabla_\theta \ell(f(\mathbf{x}_i; \theta_t), y_i), \quad i \sim \mathcal{U}\{1, \dots, N\}$$4.6 贝叶斯公式
$$P(\theta \mid \mathcal{D}) = \frac{P(\mathcal{D} \mid \theta) \, P(\theta)}{P(\mathcal{D})}= \frac{P(\mathcal{D} \mid \theta) \, P(\theta)}{\int_\Theta P(\mathcal{D} \mid \theta') P(\theta') \, d\theta'}$$最大后验估计 MAP
$$\theta_{\text{MAP}} = \arg\max_\theta \log P(\mathcal{D} \mid \theta) + \log P(\theta)$$最大似然估计 MLE
$$\theta_{\text{MLE}} = \arg\max_\theta \prod_{i=1}^{N} p(\mathbf{x}_i \mid \theta)= \arg\max_\theta \sum_{i=1}^{N} \log p(\mathbf{x}_i \mid \theta)$$4.7 高斯分布与 KL 散度
多元高斯密度
$$p(\mathbf{x}) = \frac{1}{(2\pi)^{d/2} \lvert \boldsymbol{\Sigma} \rvert^{1/2}}\exp\left( -\frac{1}{2} (\mathbf{x} - \boldsymbol{\mu})^\top \boldsymbol{\Sigma}^{-1} (\mathbf{x} - \boldsymbol{\mu}) \right)$$KL 散度
$$\text{KL}(p \parallel q) = \int p(\mathbf{x}) \log \frac{p(\mathbf{x})}{q(\mathbf{x})} \, d\mathbf{x}= \mathbb{E}_{x \sim p}\left[ \log \frac{p(x)}{q(x)} \right]$$熵与互信息
$$\mathcal{H}(X) = -\sum_{x} p(x) \log p(x), \quad\mathcal{I}(X; Y) = \sum_{x, y} p(x, y) \log \frac{p(x, y)}{p(x) p(y)}$$4.8 评估指标
$$\text{Accuracy} = \frac{TP + TN}{TP + TN + FP + FN}, \quad\text{Precision} = \frac{TP}{TP + FP}, \quad\text{Recall} = \frac{TP}{TP + FN}$$$$F_1 = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}}, \quad\text{AUC} = P(s_{\text{pos}} > s_{\text{neg}})$$4.9 距离度量
$$d_{\text{Euclidean}}(\mathbf{x}, \mathbf{y}) = \lVert \mathbf{x} - \mathbf{y} \rVert_2, \quadd_{\cos}(\mathbf{x}, \mathbf{y}) = 1 - \frac{\mathbf{x}^\top \mathbf{y}}{\lVert \mathbf{x} \rVert_2 \lVert \mathbf{y} \rVert_2}$$4.10 SVM 目标函数
$$\min_{\mathbf{w}, b} \frac{1}{2} \lVert \mathbf{w} \rVert^2 + C \sum_{i=1}^{N} \max(0, \, 1 - y_i(\mathbf{w}^\top \mathbf{x}_i + b))$$五、深度学习常用公式
5.1 神经网络基础
单层前向传播
$$\mathbf{z}^{(l)} = \mathbf{W}^{(l)} \mathbf{a}^{(l-1)} + \mathbf{b}^{(l)}, \quad\mathbf{a}^{(l)} = f(\mathbf{z}^{(l)})$$其中 , 为激活函数。
反向传播链式法则
$$\frac{\partial \mathcal{L}}{\partial \mathbf{W}^{(l)}} = \frac{\partial \mathcal{L}}{\partial \mathbf{z}^{(l)}} \frac{\partial \mathbf{z}^{(l)}}{\partial \mathbf{W}^{(l)}}= \boldsymbol{\delta}^{(l)} (\mathbf{a}^{(l-1)})^\top, \quad\boldsymbol{\delta}^{(l)} = (\mathbf{W}^{(l+1)})^\top \boldsymbol{\delta}^{(l+1)} \odot f'(\mathbf{z}^{(l)})$$5.2 激活函数
$$\sigma(x) = \frac{1}{1 + e^{-x}}, \qquad\tanh(x) = \frac{e^{x} - e^{-x}}{e^{x} + e^{-x}}, \qquad\text{ReLU}(x) = \max(0, x)$$Leaky ReLU / ELU / GELU
$$\text{LeakyReLU}(x) = \begin{cases} x, & x \geq 0 \\ \alpha x, & x < 0 \end{cases}, \quad\text{GELU}(x) = x \cdot \Phi(x) \approx x \sigma(1.702 x)$$Softmax
$$\text{softmax}(\mathbf{z})_i = \frac{e^{z_i}}{\sum_{j=1}^{C} e^{z_j}}= \frac{e^{z_i - \max_k z_k}}{\sum_{j=1}^{C} e^{z_j - \max_k z_k}} \quad \text{(数值稳定版)}$$5.3 卷积神经网络
二维离散卷积
$$(f * g)(i, j) = \sum_{m} \sum_{n} f(m, n) \, g(i - m, \, j - n)$$卷积层前向(多通道)
$$\mathbf{Y}_{c_{\text{out}}} = \sum_{c_{\text{in}}=1}^{C_{\text{in}}} \mathbf{X}_{c_{\text{in}}} * \mathbf{K}_{c_{\text{out}}, c_{\text{in}}} + b_{c_{\text{out}}}$$输出尺寸公式
$$H_{\text{out}} = \left\lfloor \frac{H_{\text{in}} + 2p - k}{s} \right\rfloor + 1, \quadW_{\text{out}} = \left\lfloor \frac{W_{\text{in}} + 2p - k}{s} \right\rfloor + 1$$其中 为卷积核大小, 为 padding, 为 stride。
5.4 循环神经网络
RNN
$$\mathbf{h}_t = \tanh(\mathbf{W}_{xh} \mathbf{x}_t + \mathbf{W}_{hh} \mathbf{h}_{t-1} + \mathbf{b}_h), \quad\mathbf{y}_t = \mathbf{W}_{hy} \mathbf{h}_t + \mathbf{b}_y$$LSTM
$$\begin{aligned}\mathbf{f}_t &= \sigma(\mathbf{W}_f [\mathbf{h}_{t-1}, \mathbf{x}_t] + \mathbf{b}_f) &&\text{遗忘门} \\\mathbf{i}_t &= \sigma(\mathbf{W}_i [\mathbf{h}_{t-1}, \mathbf{x}_t] + \mathbf{b}_i) &&\text{输入门} \\\mathbf{o}_t &= \sigma(\mathbf{W}_o [\mathbf{h}_{t-1}, \mathbf{x}_t] + \mathbf{b}_o) &&\text{输出门} \\\tilde{\mathbf{c}}_t &= \tanh(\mathbf{W}_c [\mathbf{h}_{t-1}, \mathbf{x}_t] + \mathbf{b}_c) &&\text{候选状态} \\\mathbf{c}_t &= \mathbf{f}_t \odot \mathbf{c}_{t-1} + \mathbf{i}_t \odot \tilde{\mathbf{c}}_t &&\text{细胞状态} \\\mathbf{h}_t &= \mathbf{o}_t \odot \tanh(\mathbf{c}_t) &&\text{隐藏状态}\end{aligned}$$
&&是aligned里的第二组对齐锚点,用来把注释文字对齐到右侧。
GRU
$$\begin{aligned}\mathbf{z}_t &= \sigma(\mathbf{W}_z [\mathbf{h}_{t-1}, \mathbf{x}_t]) &&\text{更新门} \\\mathbf{r}_t &= \sigma(\mathbf{W}_r [\mathbf{h}_{t-1}, \mathbf{x}_t]) &&\text{重置门} \\\tilde{\mathbf{h}}_t &= \tanh(\mathbf{W}_h [\mathbf{r}_t \odot \mathbf{h}_{t-1}, \mathbf{x}_t]) &&\text{候选} \\\mathbf{h}_t &= (1 - \mathbf{z}_t) \odot \mathbf{h}_{t-1} + \mathbf{z}_t \odot \tilde{\mathbf{h}}_t &&\text{输出}\end{aligned}$$5.5 注意力机制与 Transformer
缩放点积注意力
$$\text{Attention}(\mathbf{Q}, \mathbf{K}, \mathbf{V}) = \text{softmax}\left( \frac{\mathbf{Q} \mathbf{K}^\top}{\sqrt{d_k}} \right) \mathbf{V}$$多头注意力
$$\begin{aligned}\text{MultiHead}(\mathbf{Q}, \mathbf{K}, \mathbf{V}) &= \text{Concat}(\text{head}_1, \dots, \text{head}_h) \mathbf{W}^O \\\text{head}_i &= \text{Attention}(\mathbf{Q} \mathbf{W}_i^Q, \, \mathbf{K} \mathbf{W}_i^K, \, \mathbf{V} \mathbf{W}_i^V)\end{aligned}$$带 mask 的注意力(因果语言模型)
$$\text{Attention}(\mathbf{Q}, \mathbf{K}, \mathbf{V}) = \text{softmax}\left( \frac{\mathbf{Q} \mathbf{K}^\top}{\sqrt{d_k}} + \mathbf{M} \right) \mathbf{V}, \quadM_{ij} = \begin{cases} 0, & i \geq j \\ -\infty, & i < j \end{cases}$$正弦位置编码
$$PE_{(pos, \, 2i)} = \sin\left( \frac{pos}{10000^{2i/d_{\text{model}}}} \right), \quadPE_{(pos, \, 2i+1)} = \cos\left( \frac{pos}{10000^{2i/d_{\text{model}}}} \right)$$前馈网络 FFN
$$\text{FFN}(\mathbf{x}) = \max(0, \, \mathbf{x} \mathbf{W}_1 + \mathbf{b}_1) \mathbf{W}_2 + \mathbf{b}_2, \quad\mathbf{W}_1 \in \mathbb{R}^{d_{\text{model}} \times d_{ff}}, \; d_{ff} = 4 d_{\text{model}}$$残差连接 + LayerNorm(Post-LN)
$$\mathbf{x}' = \text{LayerNorm}\big( \mathbf{x} + \text{Sublayer}(\mathbf{x}) \big)$$5.6 归一化层
Layer Normalization
$$\text{LN}(\mathbf{x}) = \boldsymbol{\gamma} \odot \frac{\mathbf{x} - \mu}{\sqrt{\sigma^2 + \epsilon}} + \boldsymbol{\beta}, \quad\mu = \frac{1}{d} \sum_{i=1}^{d} x_i, \quad \sigma^2 = \frac{1}{d} \sum_{i=1}^{d} (x_i - \mu)^2$$Batch Normalization(训练 / 推理)
$$\hat{x}_i = \frac{x_i - \mu_{\mathcal{B}}}{\sqrt{\sigma_{\mathcal{B}}^2 + \epsilon}}, \quady_i = \gamma \hat{x}_i + \beta, \quad\mu_{\mathcal{B}} = \frac{1}{m} \sum_{i=1}^{m} x_i$$RMSNorm(LLaMA 系列常用)
$$\text{RMSNorm}(\mathbf{x}) = \frac{\mathbf{x}}{\sqrt{\frac{1}{d} \sum_{i=1}^{d} x_i^2 + \epsilon}} \odot \boldsymbol{\gamma}$$5.7 优化器
SGD + Momentum
$$\mathbf{v}_t = \mu \mathbf{v}_{t-1} + \eta \nabla_\theta \mathcal{L}(\theta_{t-1}), \quad\theta_t = \theta_{t-1} - \mathbf{v}_t$$Adam
$$\begin{aligned}\mathbf{m}_t &= \beta_1 \mathbf{m}_{t-1} + (1 - \beta_1) \mathbf{g}_t &&\text{一阶动量} \\\mathbf{v}_t &= \beta_2 \mathbf{v}_{t-1} + (1 - \beta_2) \mathbf{g}_t^2 &&\text{二阶动量} \\\hat{\mathbf{m}}_t &= \frac{\mathbf{m}_t}{1 - \beta_1^t}, \quad \hat{\mathbf{v}}_t = \frac{\mathbf{v}_t}{1 - \beta_2^t} &&\text{偏差修正} \\\theta_t &= \theta_{t-1} - \eta \frac{\hat{\mathbf{m}}_t}{\sqrt{\hat{\mathbf{v}}_t} + \epsilon} &&\text{更新}\end{aligned}$$默认 。
AdamW(解耦权重衰减)
$$\theta_t = \theta_{t-1} - \eta \left( \frac{\hat{\mathbf{m}}_t}{\sqrt{\hat{\mathbf{v}}_t} + \epsilon} + \lambda \theta_{t-1} \right)$$5.8 学习率调度
Cosine Annealing(带 warmup)
$$\eta_t = \eta_{\min} + \frac{1}{2}(\eta_{\max} - \eta_{\min}) \left( 1 + \cos\left( \pi \frac{t - t_w}{T - t_w} \right) \right), \quad\eta_t = \eta_{\max} \cdot \frac{t}{t_w} \;\; (t < t_w)$$梯度裁剪(按范数)
$$\mathbf{g} \leftarrow \begin{cases}\mathbf{g}, & \lVert \mathbf{g} \rVert_2 \leq c \\c \cdot \dfrac{\mathbf{g}}{\lVert \mathbf{g} \rVert_2}, & \lVert \mathbf{g} \rVert_2 > c\end{cases}$$5.9 正则化技巧
Dropout(训练时)
$$\tilde{\mathbf{a}} = \mathbf{m} \odot \mathbf{a}, \quad m_i \sim \text{Bernoulli}(1 - p), \quad\mathbf{a}^{\text{test}} = (1 - p) \cdot \mathbf{a} \;\; \text{(Inverted Dropout)}$$权重初始化
$$\text{Xavier: } \mathbf{W} \sim \mathcal{U}\left( -\sqrt{\frac{6}{d_{\text{in}} + d_{\text{out}}}}, \, \sqrt{\frac{6}{d_{\text{in}} + d_{\text{out}}}} \right), \qquad\text{He: } \mathbf{W} \sim \mathcal{N}\left( 0, \, \frac{2}{d_{\text{in}}} \right)$$5.10 深度学习损失函数
Focal Loss(解决类别不平衡)
$$\mathcal{L}_{\text{FL}} = -\alpha (1 - \hat{p}_t)^\gamma \log(\hat{p}_t), \quad\hat{p}_t = \begin{cases} \hat{y}, & y = 1 \\ 1 - \hat{y}, & y = 0 \end{cases}$$自回归语言模型损失
$$\mathcal{L} = -\frac{1}{T} \sum_{t=1}^{T} \log P(x_t \mid x_{<t}; \theta), \quadP(x_{1:T}) = \prod_{t=1}^{T} P(x_t \mid x_{<t})$$困惑度 PPL
$$\text{PPL} = \exp\left( -\frac{1}{T} \sum_{t=1}^{T} \log P(x_t \mid x_{<t}) \right) = \exp(\mathcal{L})$$对比学习 InfoNCE
$$\mathcal{L}_{\text{InfoNCE}} = -\log \frac{\exp(\text{sim}(\mathbf{q}, \mathbf{k}^+) / \tau)}{\exp(\text{sim}(\mathbf{q}, \mathbf{k}^+) / \tau) + \sum_{j=1}^{K} \exp(\text{sim}(\mathbf{q}, \mathbf{k}_j^-) / \tau)}$$5.11 生成模型
VAE 变分下界(ELBO)
$$\log p_\theta(\mathbf{x}) \geq \underbrace{\mathbb{E}_{q_\phi(\mathbf{z} \mid \mathbf{x})} \left[ \log p_\theta(\mathbf{x} \mid \mathbf{z}) \right]}_{\text{重构项}}- \underbrace{\text{KL}\left( q_\phi(\mathbf{z} \mid \mathbf{x}) \parallel p(\mathbf{z}) \right)}_{\text{正则项}}$$GAN 目标函数
$$\min_G \max_D V(D, G) = \mathbb{E}_{\mathbf{x} \sim p_{\text{data}}} \left[ \log D(\mathbf{x}) \right]+ \mathbb{E}_{\mathbf{z} \sim p_{\mathbf{z}}} \left[ \log \left( 1 - D(G(\mathbf{z})) \right) \right]$$扩散模型(DDPM 简化训练目标)
$$\mathcal{L}_{\text{simple}} = \mathbb{E}_{t, \mathbf{x}_0, \boldsymbol{\epsilon}} \left[ \lVert \boldsymbol{\epsilon} - \boldsymbol{\epsilon}_\theta(\mathbf{x}_t, t) \rVert_2^2 \right], \quad\mathbf{x}_t = \sqrt{\bar{\alpha}_t} \, \mathbf{x}_0 + \sqrt{1 - \bar{\alpha}_t} \, \boldsymbol{\epsilon}$$附录:最常用 30 个命令
\frac{}{} \sqrt{} \partial \nabla \sum_{}^{} \prod_{}^{} \int_{}^{}\mathbb{R} \mathbb{E} \mathcal{L} \mathcal{D} \mathbf{x} \mathbf{W} \boldsymbol{\theta}\theta \lambda \mu \sigma \epsilon \alpha \eta \tau\times \cdot \odot \otimes \oplus \mid \sim \approx \propto \perp\to \mapsto \Rightarrow \infty \hat{y} \tilde{x} \bar{x}\lVert \rVert \langle \rangle \text{} \left( \right)💡 建议把本文件存为
.md放在笔记库根目录,写作时直接搜索复制。
支持与分享
如果这篇文章对你有帮助,欢迎分享给更多人或打赏支持!






















