梯度裁剪（Clipping Gradient）：torch.nn.utils.clip_grad_norm

torch.nn.utils.clip_grad_norm_(parameters, max_norm, norm_type=2)

1.（引用：【深度学习】RNN中梯度消失的解决方案（LSTM） ）

梯度裁剪原理：既然在BP过程中会产生梯度消失（就是偏导无限接近0，导致长时记忆无法更新），那么最简单粗暴的方法，设定阈值，当梯度小于阈值时，更新的梯度为阈值，如下图所示：

P.S.在原博中，评论中有提到，常用的梯度裁剪的方法是限制上限，针对梯度爆炸不收敛的情况，和作者写的相反。我理解的大概是“梯度裁剪解决的是梯度消失或爆炸的问题，即设定阈值”。

 

2. 函数定义：裁剪可迭代参数的渐变范数。范数是在所有梯度一起计算的，就好像它们被连接成单个矢量一样。渐变是就地修改的。

Parameters:

• • parameters (Iterable[