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！这里是亿速云网站，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！
原创文章，作者：1402239773，如若转载，请注明出处：https://blog.ytso.com/tech/opensource/223990.html