梯度消失或者梯度爆炸

为什么会出现梯度消失或者梯度爆炸?

在bp的链式求导过程中,连乘第二部分是sigmoid的导数,bp的推导过程.note

对于sigmoid函数:

其导数为:通过简单求导变换就可以得到,范围在0-0.25

 

对于多层的神经网络,连乘中还包含w权值,

如果bp过程中sigmoid的导数最大也就0.25,而且通常初始化参数一般小于1,所以其中的

就会小于1,当网络很深时,多个小于1的数相乘最终导致梯度消失

同样当初始化的权重w使得上式大于1的时候,多个大于1的数相乘就会产生梯度爆炸

 

如何解决梯度消失或者梯度爆炸?

1.使用RELU,leaky RELU, ELU等激活函数

2.使用BatchNormalization--BatchNormalization的原理.note

3.正则化--正则化.note

4.resnet残差结构 --ResNet理解.note

5.LSTM--LSTM结构理解.note

6.预训练+微调:对每一层单独调优,最后放一起微调

7.梯度剪切

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值