知识卡片
梯度范数裁剪
当所有参数梯度合并后的范数超过阈值时,按同一比例缩小各梯度,使总体范数受限。它可缓解过大的更新,但不能直接恢复已消失的梯度。
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
- Gated RNN · 查看原书依据
如果梯度的 L2 范数 大于或等于阈值,就按上述方法修正梯度,这就是梯度裁剪。
参考来源
- 位置:《深度学习进阶:自然语言处理》第6章《Gated RNN》(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0011_split_001.html)
- 结论依据:正文解释对应机制和学习问题。
- 原始内容:如果梯度的 L2 范数 大于或等于阈值,就按上述方法修正梯度,这就是梯度裁剪。