![abe1d02931c1f806810eb65ff4145dd1.png](https://img-blog.csdnimg.cn/img_convert/abe1d02931c1f806810eb65ff4145dd1.png)
摘要:
本文主要讲述深度学习过程中,经常存在的梯度爆炸,梯度消失和过拟合的问题,以及主要的解决方法。
- 梯度爆炸
- 什么是梯度爆炸?
- 梯度爆炸的影响
- 训练阶段出现梯度爆炸时的表现
- 如何缓解梯度爆炸
- 梯度消失
- 什么是梯度消失?
- 梯度消失的影响
- 如何解决梯度消失问题
- 过拟合
- 什么是过拟合?
- 如何解决过拟合问题?
- 参考资料
1 梯度爆炸
1.1 什么是梯度爆炸?[1]
在反向传播过程中使用的是链式求导法则,如果每一层偏导数都大于1,那么连乘起来将以指数形式增加,误差梯度不断累积,就会造成梯度爆炸。
1.2 梯度爆炸的影响
梯度爆炸会导致模型权重更新幅度过大,会造成模型不稳定,无法有效学习,还会出现无法再更新的 NaN 权重值。
1.3 训练阶段出现梯度爆炸时的表现
● 模型无法从训练数据中获得更新(如低损失)
● 模型不稳定,更新过程中的损失变化幅度过大
● 训练过程中模型权重变成 NaN