← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6480.i.1 · 生成模型:GPT-6

循环传播影响梯度稳定

理解等级:中级

循环网络把梯度经过多个时间步骤传播,连续乘积可能使小梯度趋近零或使大梯度迅速增长,分别造成难学习和学习不稳定。理解这一机制有助于区分训练困难与推理速度问题,不能把所有序列错误都归因于梯度消失。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      梯度需要通过多个步骤传播,如果梯度很小,在多次相乘后会趋于零,导致模型难以学习。相反,如果梯度很大,每一步都会呈指数级增长,导致学习过程不稳定。

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第2章《理解基础模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section010.xhtml) - 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。 - 原始内容:梯度需要通过多个步骤传播,如果梯度很小,在多次相乘后会趋于零,导致模型难以学习。相反,如果梯度很大,每一步都会呈指数级增长,导致学习过程不稳定。