原因
梯度消失:1.深层网络,2.不合适的激活函数
梯度爆炸:1.深层网络,2.权值初始化太大
对于神经网络的更新,我们是采用反向传播(BP),用梯度下降策略对神经网络进行参数更新。
根据链式法则求导,越靠近输入层的隐藏层导数乘的次数就越多。因此,如果导数大于1,那么层数越多,梯度以指数级增长,容易发生梯度爆炸;如果导数小于1,那么层数越多,梯度以指数级减小,容易发生梯度消失。
不合适的激活函数
比如,sigmoid激活函数
对于sigmoid激活函数,他的导数最大值才0.25,而且只是在0附近的具有比较大的到数值,|z|越大,导数就越小。
解决方案
1.预训练+微调
对每一层进行预训练,输入是上一层的输出,逐层预训练。预训练完成之后,进行整个网络的训练。思想:先找到局部最优点,然后再寻找全局最优点。
2.梯度剪切,正则
梯度剪切,针对梯度爆炸,在反向传播的时候,梯度的值如果超过阈值,或者不在范围内,则强制他的值在范围内。
正则,对权重做L1,L2正则。比如L2正则化,在损失函数中起到的作用就是要让w尽可能小。
3.relu,leakyrelu等激活函数
Relu在大于0部分,梯度一直是1,因此不会梯度消失和爆炸
优点:
解决梯度消失和爆炸问题
计算方便,速度快
加快网络训练速度
缺点:
小于0的部分始终未0,导致一部分神经元失活
4.batch norm
batchnorm就是通过对每一层的输出规范为均值和方差一致的方法,消除了xxx带来的放大缩小的影响,进而解决梯度消失和爆炸的问题,或者可以理解为BN将输出从饱和区拉倒了非饱和区。
没理解,这是原文https://blog.csdn.net/qq_25737169/article/details/78847691
5.残差网络
上图就是残差网络的结构。通过在一个浅层网络基础上叠加 y=x的层(称identity mappings,恒等映射),可以让网络随深度增加而不退化。如图中曲线所示,将浅层的输入值直接连接到端部位置,这样就避免了在层层映射过程中,由于权重小于1而最终导致的梯度消失的现象。