pytorch梯度裁剪的原理是什么

本篇内容主要讲解"pytorch梯度裁剪的原理是什么"，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习"pytorch梯度裁剪的原理是什么"吧!

既然在BP过程中会产生梯度消失/爆炸（就是偏导无限接近0，导致长时记忆无法更新），那么最简单粗暴的方法，设定阈值，当梯度小于/大于阈值时，更新的梯度为阈值，如下图所示：

1、梯度裁剪原理

优点：简单粗暴
缺点：很难找到满意的阈值

2、nn.utils.clip_grad_norm(parameters, max_norm, norm_type=2)

这个函数是根据参数的范数来衡量的

Parameters:

• 
  

• parameters (Iterable[Variable]) - 一个基于变量的迭代器，会进行归一化（原文：an iterable of Variables that will have gradients normalized）

• max_norm (float or int) - 梯度的最大范数

• norm_type(float or int) - 规定范数的类型，默认为L2

Returns:参数的总体范数（作为单个向量来看）

到此，相信大家对"pytorch梯度裁剪的原理是什么"有了更深的了解，不妨来实际操作一番吧！这里是网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！