溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容主要講解“pytorch梯度裁剪的原理是什么”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“pytorch梯度裁剪的原理是什么”吧!
既然在BP過程中會產生梯度消失/爆炸（就是偏導無限接近0，導致長時記憶無法更新），那么最簡單粗暴的方法，設定閾值，當梯度小于/大于閾值時，更新的梯度為閾值，如下圖所示：
1、梯度裁剪原理
優點：簡單粗暴
缺點：很難找到滿意的閾值
2、nn.utils.clip_grad_norm(parameters, max_norm, norm_type=2)
這個函數是根據參數的范數來衡量的
Parameters:
parameters (Iterable[Variable]) – 一個基于變量的迭代器，會進行歸一化（原文：an iterable of Variables that will have gradients normalized）
max_norm (float or int) – 梯度的最大范數
norm_type(float or int) – 規定范數的類型，默認為L2
Returns:參數的總體范數（作為單個向量來看）
到此，相信大家對“pytorch梯度裁剪的原理是什么”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
