共计 1044 个字符,预计需要花费 3 分钟才能阅读完成。
本文简单介绍梯度裁剪(gradient clipping)的方法及其作用,不管在RNN或者在其他网络都是可以使用的,比如博主最最近训练的DNN网络中就在用。
梯度裁剪一般用于解决 梯度爆炸(gradient explosion) 问题,而梯度爆炸问题在训练 RNN 过程中出现得尤为频繁,所以训练 RNN 基本都需要带上这个参数。常见的 gradient clipping 有两种做法
- 根据参数的 gradient 的值直接进行裁剪
- 根据若干参数的 gradient 组成的 vector 的 L2 norm 进行裁剪
第一种做法很容易理解,就是先设定一个 gradient 的范围如 (-1, 1), 小于 -1 的 gradient 设为 -1, 大于这个 1 的 gradient 设为 1.
第二种方法则更为常见,先设定一个 clip_norm
, 然后在某一次反向传播后,通过各个参数的 gradient 构成一个 vector,计算这个 vector 的 L2 norm(平方和后开根号)记为 LNorm
,然后比较 LNorm
和 clip_norm
的值,若 LNorm
<= clip_norm
不做处理,否则计算缩放因子 scale_factor
= clip_norm
/LNorm
,然后令原来的梯度乘上这个缩放因子。这样做是为了让 gradient vector 的 L2 norm 小于预设的 clip_norm
。
关于 gradient clipping 的作用可更直观地参考下面的图,没有gradient clipping 时,若梯度过大优化算法会越过最优点。
而在一些的框架中,设置 gradient clipping 往往也是在 Optimizer 中设置,如 tensorflow 中设置如下
|
|
Keras 中设置则更为简单
|
|
除此之外,调试 RNN 是个比较 tricky 的活,可参考知乎上这个问题:此处输入链接的描述你在训练RNN的时候有哪些特殊的trick?