梯度消失和梯度爆炸的定义
- 梯度消失：又叫梯度弥散。是指模型梯度在反向传播时，梯度值接近零，导致模型权重不能正常更新，使模型无法正常收敛的现象；
- 梯度爆炸：是指模型梯度在反向传播使，梯度值无限扩大，导致模型权重趋于无穷，使模型无法正常收敛的现象。常常伴随着loss为nan的现象。
数学公式解释
梯度消失和梯度爆炸都可以用
y
=
(
x
)
n
y={\left( {\rm{x}} \right)^{\rm{n}}}
y=(x)n 来解释，其中n表示模型层数，当n很大且x大于1时，y会趋于无穷大；而当x小于1时，随着n增大，y会趋于无穷小。从此处我们也可以看出，无论是梯度爆炸还是梯度消失，都是发生在远离输出的底层网络。
那现在的问题是，x在梯度反向传播时表示什么？什么情况会导致x>0; 或者x < 0 呢
链路法则下的x
链路法则下的求导可以分为两步，第一步是损失函数对logit的导数；第二步是当前层输出（logit是最后一层的输出）对前一层输出的导数；
损失函数对logit的导数
我们以交叉熵损失函数为例：设分类模型共
m
m
m个类别，其中计算梯度的样本标签为
k
k
k，损失函数为
L
o
s
s
Loss
Loss，最后一层模型输出logit为
x
x
x, 则损失函数可以表示为：
y
k
=
e
x
k
∑
i
=
1
m
e
x
i
{y_k} = \frac{{{e^{{x_k}}}}}{{\sum\limits_{i = 1}^m {{e^{{x_i}}}} }}
yk=i=1∑mexiexk
L
o
s
s
=
−
log
(
y
k
)
Loss = - \log ({y_k})
Loss=−log(yk)
对其求导可得：
∂
L
o
s
s
∂
x
=
[
y
1
,
y
2
,
.
.
.
y
k
−
1
,
.
.
.
y
m
]
\frac{{\partial Loss}}{{\partial x}} = [{y_1},{y_2},...{y_{k}-1},...{y_m}]
∂x∂Loss=[y1,y2,...yk−1,...ym]
当前层输出和前一层输出的导数
我们假设，每一层由一个激活函数 f f f和一个全连接层 W x Wx Wx构成， 则 x n = f ( W x n − 1 ) {{\text{x}}_n} = f(W{x_{n - 1}}) xn=f(Wxn−1)， 对其求导： ∂ x n ∂ x n − 1 = f − 1 ∗ W \frac{{\partial {x_n}}}{{\partial {x_{n - 1}}}} = {f^{ - 1}}*W ∂xn−1∂xn=f−1∗W，则通过递归法则可知， ∂ x n ∂ x n − k = ( f − 1 ) k ∗ W k \frac{{\partial {x_n}}}{{\partial {x_{n - k}}}} = ({f^{ - 1}})^k*W^k ∂xn−k∂xn=(f−1)k∗Wk, 可知，此处的 ∂ x n ∂ x n − 1 \frac{{\partial {x_n}}}{{\partial {x_{n - 1}}}} ∂xn−1∂xn就近似等于前面提到的链路法则下的 x x x，当激活函数的导数 f − 1 f^{ - 1} f−1小于1时， ∂ x n ∂ x n − k \frac{{\partial {x_n}}}{{\partial {x_{n - k}}}} ∂xn−k∂xn倾向于趋近零（对应梯度消失），而当 W W W大于1时， ∂ x n ∂ x n − k \frac{{\partial {x_n}}}{{\partial {x_{n - k}}}} ∂xn−k∂xn倾向于趋近无穷大（对应梯度爆炸）
如何解决梯度消失和梯度爆炸
解决梯度消失
- 修改激活函数，使 f − 1 f^{-1} f−1不小于1，比如，采用relu替换sigmoid激活函数
- 残差连接，将 x n = f ( W x n − 1 ) {{\text{x}}_n} = f(W{x_{n - 1}}) xn=f(Wxn−1)修改为 x n = f ( W x n − 1 + x n − 1 ) {{\text{x}}_n} = f(W{x_{n - 1}}+x_{n - 1}) xn=f(Wxn−1+xn−1)
- 层连接输入前进行标准化
解决梯度爆炸
- 梯度裁剪。使每一层的梯度都小于1
- 权重正则化或者权重衰减。权重每一步迭代更新时，都乘以一个小于1的因子
- 层连接输入前进行标准化
- 预训练+模型微调（微调时，学习率一般设置较低）
2826
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
