如何解决梯度消失和梯度膨胀?
(1)梯度消失:
根据链式法则,如果每一层神经元对上一层的输出的偏导乘上权重结果都小于
1 的话,那么即使这个结果是 0.99,在经过足够多层传播之后,误差对输入层
的偏导会趋于 0。
可以采用 ReLU 激活函数有效的解决梯度消失的情况。
(2)梯度膨胀:
根据链式法则,如果每一层神经元对上一层的输出的偏导乘上权重结果都大于
1 的话,在经过足够多层传播之后,误差对输入层的偏导会趋于无穷大。
可以通过激活函数来解决。