1.10 梯度消失与梯度爆炸-深度学习第二课《改善深层神经网络》-Stanford吴恩达教授

---

←上一篇	↓↑	下一篇→
1.9 归一化输入	回到目录	1.11 神经网络的权重初始化

---

梯度消失与梯度爆炸 (Vanishing/Expanding Gradients)

训练神经网络，尤其是深度神经所面临的一个问题就是梯度消失或梯度爆炸，也就是你训练神经网络的时候，导数或坡度有时会变得非常大，或者非常小，甚至于以指数方式变小，这加大了训练的难度。

这节课，你将会了解梯度消失或梯度爆炸的真正含义，以及如何更明智地选择随机初始化权重，从而避免这个问题。 假设你正在训练这样一个极深的神经网络，为了节约幻灯片上的空间，我画的神经网络每层只有两个隐藏单元，但它可能含有更多，但这个神经网络会有参数 $w^{[1]}$ ， $w^{[2]}$ ， $w^{[3]}$ 等等，直到 $w^{[l]}$ ，为了简单起见，假设我们使用激活函数 $g(z)=z$ ，也就是线性激活函数，我们忽略 $b$ ，假设 $b^{[l]}$ =0，如果那样的话，输出 $y=w^{[l]}{w}^{[l-1]}{w}^{[l-2]}\cdots w^{[3]}{w}^{[2]}{w}^{[1]}x$ ，如果你想考验我的数学水平， $w^{[1]}x=z^{[1]}$ ，因为 $b=0$ ，所以我想 $z^{[1]}=w^{[1]}x$ ， $a^{[1]}=g(z^{[1]})$ ，因为我们使用了一个线性激活函数，它等于 $z^{[1]}$ ，所以第一项 $w^{[1]}x=a^{[1]}$ ，通过推理，你会得出 $w^{[2]}{w}^{[1]}x=a^{[2]}$ ，因为 $a^{[2]}=g(z^{[2]})$ ，还等于 $g(w^{[2]}{a}^{[1]})$ ，可以用 $w^{[1]}x$ 替换 $a^{[1]}$ ，所以这一项就等于 $a^{[2]}$ ，这个就是 $a^{[3]}(w^{[3]}{w}^{[2]}{w}^{[1]}x)$ 。

所有这些矩阵数据传递的协议将给出 $\hat{y}$ 而不是 $y$ 的值。

假设每个权重矩阵 $w^{[l]}=\left[\begin{array}{cc}1.5& 0\\ 0& 1.5\end{array}\right]$ ，从技术上来讲，最后一项有不同维度，可能它就是余下的权重矩阵， $y=w^{[1]}{\left[\begin{array}{cc}1.5& 0\\ 0& 1.5\end{array}\right]}^{(L-1)}x$ ，因为我们假设所有矩阵都等于它，它是1.5倍的单位矩阵，最后的计算结果就是 $\hat{y}$ ，也就是等于 $1.5^{(L-1)}x$ 。如果对于一个深度神经网络来说 $L$ 值较大，那么 $\hat{y}$ 的值也会非常大，实际上它呈指数级增长的，它增长的比率是 $1.5^L$ ，因此对于一个深度神经网络， $y$ 的值将爆炸式增长。

相反的，如果权重是0.5， $w^{[l]}=\left[\begin{array}{cc}0.5& 0\\ 0& 0.5\end{array}\right]$ ，它比1小，这项也就变成了 $0.5^L$ ，矩阵 $y=w^{[1]}{\left[\begin{array}{cc}1.5& 0\\ 0& 1.5\end{array}\right]}^{(L-1)}x$ ，再次忽略 $w^{[L]}$ ，因此每个矩阵都小于1，假设 $x_1$ 和 $x_2$ 都是1，激活函数将变成 $\frac{1}{2}$ ， $\frac{1}{2}$ ， $\frac{1}{4}$ ， $\frac{1}{4}$ ， $\frac{1}{8}$ ， $\frac{1}{8}$ 等，直到最后一项变成 $\frac{1}{2^L}$ ，所以作为自定义函数，激活函数的值将以指数级下降，它是与网络层数数量相关的函数，在深度网络中，激活函数以指数级递减。

我希望你得到的直观理解是，权重 $w$ 只比1略大一点，或者说只是比单位矩阵大一点，深度神经网络的激活函数将爆炸式增长，如果 $w$ 比1略小一点，可能是 $\left[\begin{array}{cc}0.9& 0\\ 0& 0.9\end{array}\right]$ 。

在深度神经网络中，激活函数将以指数级递减，虽然我只是讨论了激活函数以与 $L$ 相关的指数级数增长或下降，它也适用于与层数 $L$ 相关的导数或梯度函数，也是呈指数级增长或呈指数递减。

对于当前的神经网络，假设 $L=150$ ，最近Microsoft对152层神经网络的研究取得了很大进展，在这样一个深度神经网络中，如果激活函数或梯度函数以与 $L$ 相关的指数增长或递减，它们的值将会变得极大或极小，从而导致训练难度上升，尤其是梯度指数小于 $L$ 时，梯度下降算法的步长会非常非常小，梯度下降算法将花费很长时间来学习。

总结一下，我们讲了深度神经网络是如何产生梯度消失或爆炸问题的，实际上，在很长一段时间内，它曾是训练深度神经网络的阻力，虽然有一个不能彻底解决此问题的解决方案，但是已在如何选择初始化权重问题上提供了很多帮助。

课程PPT

---

←上一篇	↓↑	下一篇→
1.9 归一化输入	回到目录	1.11 神经网络的权重初始化

---