循环神经网络——裁剪梯度（应对梯度爆炸）

循环神经网络中比较容易出现梯度衰减或梯度爆炸，为了应对梯度爆炸，可以进行裁剪梯度。假设把所有模型参数梯度的元素拼接成一个向量g，并设裁剪的阈值是$\theta$。裁剪后的梯度$$min(\frac{\theta }{||g||},1)g$$的$L_2$范数不超过$\theta$。

通过代码进行演示：

def grad_clipping(params, theta)  #paras是模型参数，theta是阈值
    norm = 0
    for param in params:
        norm += (param ** 2).sum()
    norm = norm.sqrt()
    if norm > theta:
        for param in params:
            param *= theta/norm