梯度爆炸，tensorboard可视化，变量作用域---My way of ML14

梯度爆炸

在极端的情况下，不合适的学习率，会导致权重的值变得非常大，以至于溢出导致Nan

如何解决

1. 重新设计网络（对于神经网络而言）
2. 调整学习率
3. 使用梯度截断（在训练过程中检查和限制梯度的大小）
4. 使用激活函数

可视化

数据序列化–event文件

API：tf.summary.FileWirte(路径，graph=sses.graph)

开启：tensorboard --logdir=“路径”

案例在说话变量作用域一起说

变量作用域

变量作用域的目的就是让程序更加的一目了然，让可视化的图形更加简洁。

如何写变量作用域

以ML13的代码为例。
其实就是在不同的模块上加上：

with tf.variable_scope(“作用域名字”):

我们先看没有模块化之前的图