| pytorch梯度裁剪（Clipping Gradient）：torch.nn.utils.clip | 您所在的位置：网站首页 › pytorch梯度裁剪设多少合理 › pytorch梯度裁剪（Clipping Gradient）：torch.nn.utils.clip |
pytorch梯度裁剪（Clipping Gradient）：torch.nn.utils.clip
|
?
1
torch.nn.utils.clip_grad_norm(parameters, max_norm, norm_type=2)
1、梯度裁剪原理（http://blog.csdn.net/qq_29340857/article/details/70574528） 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： 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（原文：max norm of the gradients）norm_type(float or int) – 规定范数的类型，默认为L2（原文：type of the used p-norm. Can be'inf'for infinity norm） |
【本文地址】
公司简介
联系我们