知识卡片
梯度裁剪限制更新尺度
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?
这张卡片已通过人工审查,不再接受失败反馈。
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
- LSTM长短记,长序依赖可追忆 15.10 Penn Treebank 实战 · 查看原书依据
使用tf.clip_by_global_norm()函数的主要目的是实施梯度裁剪
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