梯度消失与梯度爆炸

假设一个5层神经网络：输入层、3层隐藏层、输出层，其中每层只有一个神经元。

对于第\(i\)层，输出为\(z_i=\sigma (y_i)=\sigma (w_ix_i+b_i)\)，其中\(x_i=z_{i-1}\)；设损失函数为\(L\)，那么在反向传播更新参数时，比如\(b_1\)，其梯度为：\(\frac{\partial L}{\partial b_1} =\frac{\partial L}{\partial z_4}\frac{\partial z_4}{\partial y_4}\frac{\partial y_4}{\partial z_3}\frac{\partial z_3}{\partial y_3}\frac{\partial y_3}{\partial z_2}\frac{\partial z_2}{\partial y_2}\frac{\partial y_2}{\partial z_1}\frac{\partial z_1}{\partial y_1}\frac{\partial y_1}{\partial b_1}=\frac{\partial L}{\partial z_4}\sigma '(z_4)w_4\sigma '(z_3)w_3\sigma '(z_2)w_2\sigma '(z_1)\)

在深度学习的深层网络中：
如果权重值比较大，多次连乘会导致梯度指数增加，引起梯度爆炸的问题。
如果权重值比较小，多次连乘会导致梯度指数衰减，引起梯度消失的问题。

此外，如果是sigmoid激活函数，其导数的最大值为0.25，很容易引起梯度消失的问题。

解决梯度爆炸/消失的方法：

• 使用残差网络结构：即大名鼎鼎的resnet。
• 选择合适的激活函数以及权重初始值：如使用relu激活函数可以缓解梯度消失（因为其导数值恒为1）。
• batch normalization：对批样本的同一维度特征做归一化。
• 梯度剪切：当梯度大于某个阈值时，令其等于这个阈值，从而缓解梯度爆炸。
• 权重正则化：如L1、L2正则化防止梯度爆炸。L1正则化会使原最优解的元素产生不同量的偏移，并使某些元素为0，从而产生稀疏性；L2正则化的效果是对原最优解的每个元素进行不同比例的放缩。