概述
在训练深度网络时，误差信号在向后传播多个层时会缩小到零或放大到无穷大。这使得深度和循环模型的训练速度非常缓慢，或者在没有特定修复的情况下不可能进行训练。
梯度消失和爆炸是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。
深入探讨
神经网络通过反向传播进行学习，反向传播使用链式法则将梯度逐层相乘。当您堆叠许多层时，这些每层因素会相乘。如果每个因子始终小于 1，则乘积会呈指数级缩小，并且早期层几乎不会更新——即梯度消失问题。如果每个因子都大于 1，产品就会爆炸，产生巨大的不稳定更新或 NaN 值。 sigmoid 和 tanh 等饱和激活函数的导数最大值为 0.25 和 1，是典型的罪魁祸首。这个问题在深度前馈网络和处理长序列的循环网络（RNN）中最为严重，其中在每个时间步都重新应用相同的权重矩阵，从而显着地复合了效果。
技术洞察
在反向传播中，早期层的梯度是许多雅可比行列式和权重项的乘积。粗略地说，信号的缩放比例就像提升到深度的每层因子一样。低于 1 的值向零衰减；超过 1 的值无限增长。对于在 T 个步骤上展开的 RNN，主项的行为类似于循环权重的 T 次幂的最大特征值，因此即使与 1 的微小偏差也会在长序列上消失或爆炸。
掌握梯度消失和爆炸
在训练深度网络时，误差信号在向后传播多个层时会缩小到零或放大到无穷大。这使得深度和循环模型的训练速度非常缓慢，或者在没有特定修复的情况下不可能进行训练。梯度消失和爆炸是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。为了建立深入的理解，请将梯度消失和爆炸视为一种操作模型，而不是单个功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，强大的团队使用消失梯度和爆炸梯度来根据可靠性和成本优化架构、数据和基础设施选择。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
多年来，架构决策决定着性能和运营成本。与此同时，优化一个基准测试可以隐藏更广泛的系统弱点。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
多年来，架构决策决定着性能和运营成本。
多年来，架构决策决定着性能和运营成本。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
更好的工程选择可以减少生产中的可靠性事故。
更好的工程选择可以减少生产中的可靠性事故。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
早期的 RNN 语言模型很难连接长句子中的单词，因为梯度在许多时间步长中消失，从而激发了 LSTM 和 GRU。
ResNet 通过添加跳跃连接来训练 100 多层图像分类器，为梯度提供直接、未稀释的向后路径。
开发人员发现训练损失突然变为 NaN（梯度爆炸的明显迹象），并添加梯度裁剪来稳定它。
PyTorch 或 TensorFlow 中的监控工具绘制每层梯度范数，以便工程师可以发现梯度已崩溃至接近零的层。
实施模式
梯度消失和爆炸的实践
早期的 RNN 语言模型很难连接长句子中的单词，因为梯度在许多时间步长中消失，从而激发了 LSTM 和 GRU。
早期的 RNN 语言模型很难连接长句子中的单词，因为梯度在许多时间步长中消失，这激励 LSTM 和 GRU 团队在预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时通常会获得更好的结果。
梯度消失和爆炸的实践
ResNet 通过添加跳跃连接来训练 100 多层图像分类器，为梯度提供直接、未稀释的向后路径。
ResNet 通过添加跳跃连接来实现 100 多个层图像分类器的训练，为梯度提供直接、未稀释的向后路径。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
梯度消失和爆炸的实践
开发人员发现训练损失突然变为 NaN（梯度爆炸的明显迹象），并添加梯度裁剪来稳定它。
开发人员发现训练损失突然变为 NaN（梯度爆炸的明显迹象），并添加梯度剪切来稳定它。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
梯度消失和爆炸的实践
PyTorch 或 TensorFlow 中的监控工具绘制每层梯度范数，以便工程师可以发现梯度已崩溃至接近零的层。
PyTorch 或 TensorFlow 中的监控工具绘制每层梯度规范，以便工程师可以发现梯度已崩溃至接近零的层。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
优化一项基准测试可以隐藏更广泛的系统弱点。
基础设施和维护成本常常被低估。
随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
实施路线图
在实施之前定义延迟、质量和成本目标。
在实施之前定义延迟、质量和成本目标。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在实际负载和数据条件下进行基准测试。
在实际负载和数据条件下进行基准测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
仪器监控错误、漂移和用户影响。
仪器监控错误、漂移和用户影响。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在扩展之前准备回滚和事件响应路径。
在扩展之前准备回滚和事件响应路径。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。