目录
1 什么是梯度爆炸
是深度学习中的一种问题,它发生在反向传播过程中,导致梯度值变得非常大,从而使模型的权重参数大幅度更新,通常是指梯度值超过了计算机的数值范围,造成数值不稳定。梯度爆炸通常出现在深层神经网络中,特别是循环神经网络(RNN)中,而不太常见于深度卷积神经网络(CNN)。
2 什么是梯度误差
是在神经网络训练期间计算的方向和梯度,神经网络以正确的方向和数值更新网络权重。在深度网络或递归神经网络中,梯度误差可能在更新过程中累积,造成非常大的梯度。这反过来会导致网络权重的大量更新,进而导致网络不稳定。在极端情况下,权重值可能变得太大,以至于溢出并导致NaN值现成梯度爆炸现象。
3 简单介绍梯度消失与梯度爆炸的产⽣原因
- 梯度消失:(1)隐藏层的层数过多;(2)采⽤了不合适的激活函数(更容易产⽣梯度消失,但是也有可能产⽣梯度爆炸)