0 引言

自从Transforme提出之后， 在各个领域获得了巨大的成功。 在提升精度这条道路上， 有很多的改进工作。
提升精度一个的一个常用做法就是把模型变大， 增大模型的容量， 从而提升模型的精度。 增大模型有2个方向，一个是增加宽度， 另一个是增加宽度。 像Transformer-big版本就是增加了宽度。
但是对Transformer网络， 单纯地直接增加深度通常会遇到梯度消失/爆炸等造成训练不稳定的问题。 因此需要额外的手段解决这些问题。
本文分享几篇通过不同方式加深Transformer网络深度的文章。

1 deep Transformer的一些工作

1.1 渐进增加网络深度

论文： Depth Growing for Neural Machine Translation

主要思想：通过一个two-stage的方式， 先训练一个较浅的Transformer网络， 然后在这个基础上在叠加几层， 冻结之前的层， 只训练新加的层。
整体框架如下图：

结果：

1.2 动态层信息融合，提升浅层信息的流通性

论文： Learning Deep Transformer Models for Machine Translation

主要思想： 1) 采用pre-LN增加训练的稳定性， 2) 通过动态层信息融合的方式， 提升浅层信息向深层的传递性，避免信息丢失等问题。

动态线性连接示例：

结果：

1.3 优化初始化的方式

论文： Very Deep Transformers for Neural Machine Translation

主要思想： 通过ADMIN 初始化的方式一定程度上缓解梯度爆炸/消失的风险， 从而可以训练更深的Transformer网络。

结果：