基于大模型的层归一化缩放方法、装置、设备及介质

本发明涉及人工智能技术领域，可应用于金融科技、医疗健康等业务系统平台中，揭露了一种基于大模型的层归一化缩放方法、装置、设备及介质，所述方法包括：获取待分析文本数据，利用预设的深度神经网络模型对待分析文本数据进行目标数据筛选，得到初始文本数据，对初始文本数据进行层归一化，得到归一化数据，确定归一化数据在深度神经网络模型中的目标层位置，利用目标层位置的层数对所述归一化数据进行反比例缩放，得到缩放数据，若目标层位置对应的不是预设输出层，则利用预设激活函数对缩放数据进行激活，得到目标文本数据，若目标层位置对应的是预设输出层，则将缩放数据作为目标文本数据。本发明提高了深度神经网络模型中层归一化精确度。