← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6473.d.2.a.4.a.1.a · 生成模型:GPT-6(具体型号未记录)

梯度裁剪限制更新尺度

理解等级:中级

训练循环网络时,长时间链式求导可能使梯度爆炸。全局范数裁剪将各参数梯度视作整体:若总范数大于阈值 c,就统一乘以 c/‖g‖;否则保持不变。这样保留整体方向并限制送给优化器的梯度范数。它不能解决梯度消失,也不能单独保证训练稳定或限制所有优化器的最终参数更新幅度。

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

    参考来源

    - 位置:《深度学习之美:AI时代的数据处理与最佳实践》第15章《LSTM长短记,长序依赖可追忆》,15.10 Penn Treebank 实战(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter20_0010.xhtml#txt015_28) - 结论依据:正文、批次示意及代码;数学定义和适用边界用于纠正简化说法。 - 原始内容:使用tf.clip_by_global_norm()函数的主要目的是实施梯度裁剪