当前位置：首页 > news >正文

机器学习之梯度消失和梯度爆炸

news 来源：原创 2025/5/1 23:33:15

文章目录

- 梯度消失
- - 1. 原理
  - 2. 影响
  - 3. 易出现情况
  - 4. 解决方法
  - 5. 编程实战案例
- 梯度爆炸
- - 1. 原理
  - 2. 影响
  - 3. 易出现情况
  - 4. 解决方法
  - 5. 编程实战案例
- 常用权重初始化方法及其影响
- - 1. 随机初始化
  - 2. Xavier初始化（Glorot初始化）
  - 3. Kaiming初始化（He初始化）
  - 4. Batch Normalization中的权重初始化
  - 5. 编程实战案例（以Xavier初始化和Kaiming初始化对比为例）

在深度学习的神经网络训练过程中，梯度消失和梯度爆炸是较为常见且会严重影响模型训练效果的问题。

梯度消失

1. 原理

在神经网络反向传播计算梯度时，某些激活函数（如sigmoid、tanh）具有特殊的特性。以sigmoid函数为例，其导数为 $f^{'} (x) = f (x) (1 - f (x))$ ，当输入值 $x$ 处于较大或较小区间时， $f^{'} (x)$ 趋近于0。随着网络层数增多，梯度在反向传播经过多层时不断相乘，就如同多个小于1的数相乘，结果会越来越小，最终使得梯度趋近于0，导致前面的层难以更新参数。

2. 影响

由于前面层的参数几乎无法更新，训练过程会停滞不前，模型难以学习到数据的有效特征，进而致使模型拟合能力变差，无法准确进行预测和分类。

3. 易出现情况

网络层数过深：层数的增加会使梯度传播经过更多层，激活函数导数的累积效应更加明显，梯度也就更容易趋近于0。
激活函数选择不当：如果使用sigmoid、tanh等易导致梯度消失的激活函数，并且在网络中大量使用此类函数，那么梯度消失的问题会更加严重。
权重初始化不合理：当权重初始化值过小时，在反向传播中，梯度与权重相乘后会不断衰减，从而引发梯度消失。
数据特征分布差异大：特征分布的差异较大，会使得神经元的激活状态不同，部分数据可能使激活函数进入饱和区，导数变小，进而引发梯度消失。
学习率设置过高：过高的学习率会使参数更新幅度过大，可能导致模型跳过最优解，表现出类似梯度消失的现象。

4. 解决方法

更换激活函数：可以选用ReLU及其变体（如LeakyReLU、PReLU等）激活函数。这些激活函数在正数部分导数恒为1，能够有效避免梯度消失。
采用合适的权重初始化方法：例如Xavier初始化，它会根据输入和输出神经元数量来初始化权重，使权重方差在正反向传播中保持一致，减少梯度问题。Kaiming初始化则适用于ReLU及其变体激活函数，能保证经过ReLU激活后的输出方差不变，稳定梯度。
使用残差连接：通过跳跃连接让梯度能更直接地传播到前面的层，减少梯度消失的影响。
Batch Normalization：对数据进行归一化，减少内部协变量偏移，配合适当的权重初始化，提高模型的稳定性，减少梯度消失的发生。

5. 编程实战案例

通过构建两个深度神经网络，一个使用sigmoid激活函数，另一个使用ReLU激活函数，对比两者的损失曲线。代码如下：

import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np
import matplotlib.pyplot as plt

# 生成简单数据集
np.random.seed(0)
X = np.random.randn(100, 1)
y = 3 * X + 2 + 0.5 * np.random.randn(100, 1)
X = torch.FloatTensor(X)
y = torch.FloatTensor(y)

# 定义一个深度神经网络，使用sigmoid激活函数
class DeepNetwithSigmoid(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers):
        super(DeepNetwithSigmoid, self).__init__()
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        layers = []
        for i in range(num_layers):
            if i == 0:
                layers.append(nn.Linear(input_size, hidden_size))
            else:
                layers.append(nn.Linear(hidden_size, hidden_size))
            layers.append(nn.Sigmoid())
        layers.append(nn.Linear(hidden_size, 1))
        self.layers = nn.Sequential(*layers)

    def forward(self, x):
        return self.layers(x)

# 实例化模型、损失函数和优化器
input_size = 1
hidden_size = 10
num_layers = 10
model_sigmoid = DeepNetwithSigmoid(input_size, hidden_size, num_layers)
criterion = nn.MSELoss()
optimizer = optim.SGD(model_sigmoid.parameters(), lr=0.01)

# 训练模型
num_epochs = 500
losses_sigmoid = []
for epoch in range(num_epochs):
    optimizer.zero_grad()
    outputs = model_sigmoid(X)
    loss = criterion(outputs, y)
    loss.backward()
    optimizer.step()
    losses_sigmoid.append(loss.item())

# 定义一个使用ReLU激活函数的深度神经网络
class DeepNetwithReLU(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers):
        super(DeepNetwithReLU, self).__init__()
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        layers = []
        for i in range(num_layers):
            if i == 0:
                layers.append(nn.Linear(input_size, hidden_size))
            else:
                layers.append(nn.Linear(hidden_size, hidden_size))
            layers.append(nn.ReLU())
        layers.append(nn.Linear(hidden_size, 1))
        self.layers = nn.Sequential(*layers)

    def forward(self, x):
        return self.layers(x)

model_relu = DeepNetwithReLU(input_size, hidden_size, num_layers)
optimizer = optim.SGD(model_relu.parameters(), lr=0.01)
losses_relu = []
for epoch in range(num_epochs):
    optimizer.zero_grad()
    outputs = model_relu(X)
    loss = criterion(outputs, y)
    loss.backward()
    optimizer.step()
    losses_relu.append(loss.item())

# 绘制损失曲线
plt.plot(range(num_epochs), losses_sigmoid, label='Sigmoid Activation')
plt.plot(range(num_epochs), losses_relu, label='ReLU Activation')
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.legend()
plt.show()

运行代码后可以看到，使用sigmoid激活函数的网络由于梯度消失问题，损失下降缓慢，而使用ReLU激活函数的网络能有效避免梯度消失，损失下降较快。

梯度爆炸

1. 原理

在反向传播计算梯度时，由于网络层数过多、权重初始化过大或激活函数选择不当等原因，会使梯度值不断增大，呈指数级增长。例如，若权重矩阵过大，在反向传播中，梯度与权重不断相乘，就会导致梯度迅速增大。

2. 影响

模型参数更新幅度过大，训练过程不稳定，无法收敛，甚至模型输出结果异常，无法得到有效模型。

3. 易出现情况

网络层数过深：层数增多时，如果权重等设置不当，梯度在传播中更容易被放大。
激活函数选择不当：虽然不常见，但某些激活函数在特定情况下导数过大，也可能引发梯度爆炸。
权重初始化不合理：权重初始化值过大，在反向传播中，梯度与权重相乘后会不断增大，从而引发梯度爆炸。
数据特征分布差异大：异常大的特征值可能使梯度计算结果异常大，增加梯度爆炸的风险。
学习率设置过高：过高的学习率使参数更新幅度过大，可能导致梯度不断放大，引发梯度爆炸。

4. 解决方法

合理选择激活函数：避免使用易导致梯度爆炸的激活函数。
合适的权重初始化：采用Xavier初始化、Kaiming初始化等方法，合理设置权重初始值。
使用梯度截断技术：当梯度值超过一定阈值时，对梯度进行截断，使其保持在合理范围。
优化网络结构：避免网络过于复杂，降低梯度传播出现问题的可能性。
Batch Normalization：通过归一化操作稳定数据分布，避免因输入数据变化过大引发梯度爆炸，同时限制权重更新幅度，降低梯度爆炸的可能性。

5. 编程实战案例

构建一个权重初始化较大的深度神经网络，容易引发梯度爆炸，通过对比不使用梯度截断和使用梯度截断两种情况下的训练过程，观察损失曲线的变化。代码如下：

import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np
import matplotlib.pyplot as plt

# 生成简单数据集
np.random.seed(0)
X = np.random.randn(100, 1)
y = 3 * X + 2 + 0.5 * np.random.randn(100, 1)
X = torch.FloatTensor(X)
y = torch.FloatTensor(y)

# 定义一个容易产生梯度爆炸的深度神经网络，权重初始化较大
class DeepNetwithLargeWeights(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers):
        super(DeepNetwithLargeWeights, self).__init__()
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        layers = []
        for i in range(num_layers):
            if i == 0:
                layer = nn.Linear(input_size, hidden_size)
                nn.init.normal_(layer.weight, mean=0, std=10)
                layers.append(layer)
            else:
                layer = nn.Linear(hidden_size, hidden_size)
                nn.init.normal_(layer.weight, mean=0, std=10)
                layers.append(layer)
            layers.append(nn.ReLU())
        layer = nn.Linear(hidden_size, 1)
        nn.init.normal_(layer.weight, mean=0, std=10)
        layers.append(layer)
        self.layers = nn.Sequential(*layers)

    def forward(self, x):
        return self.layers(x)

# 实例化模型、损失函数和优化器
input_size = 1
hidden_size = 10
num_layers = 10
model_large_weights = DeepNetwithLargeWeights(input_size, hidden_size, num_layers)
criterion = nn.MSELoss()
optimizer = optim.SGD(model_large_weights.parameters(), lr=0.1)

# 训练模型，不使用梯度截断
num_epochs = 50
losses_no_clip = []
for epoch in range(num_epochs):
    optimizer.zero_grad()
    outputs = model_large_weights(X)
    loss = criterion(outputs, y)
    loss.backward()
    optimizer.step()
    losses_no_clip.append(loss.item())

# 训练模型，使用梯度截断
model_large_weights_clip = DeepNetwithLargeWeights(input_size, hidden_size, num_layers)
optimizer = optim.SGD(model_large_weights_clip.parameters(), lr=0.1)
losses_with_clip = []
for epoch in range(num_epochs):
    optimizer.zero_grad()
    outputs = model_large_weights_clip(X)
    loss = criterion(outputs, y)
    loss.backward()
    torch.nn.utils.clip_grad_norm_(model_large_weights_clip.parameters(), max_norm=10)
    optimizer.step()
    losses_with_clip.append(loss.item())

# 绘制损失曲线
plt.plot(range(num_epochs), losses_no_clip, label='No Gradient Clipping')
plt.plot(range(num_epochs), losses_with_clip, label='Gradient Clipping')
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.legend()
plt.show()

从损失曲线可以看出，不使用梯度截断时，由于梯度爆炸，损失值迅速增大且不稳定；而使用梯度截断后，模型训练相对稳定，损失能够逐渐下降。

常用权重初始化方法及其影响

1. 随机初始化

方法：从均匀分布或正态分布中随机采样初始化权重，例如从均匀分布 $U(-\sqrt{6/(n_{in}+n_{out})}, \sqrt{6/(n_{in}+n_{out})})$ 中采样，其中 $n_{in}$ 和 $n_{out}$ 分别为输入和输出神经元数量。
影响：值过小容易引发梯度消失，过大则会增加梯度爆炸的风险。

2. Xavier初始化（Glorot初始化）

方法：均匀分布时初始化范围是 $U(-\sqrt{6/(n_{in}+n_{out})}, \sqrt{6/(n_{in}+n_{out})})$ ，正态分布时均值为0，方差为 $2/(n_{in}+n_{out})$ 。
影响：使权重方差在正反向传播中保持一致，让梯度平稳传播，减少梯度问题，提升训练的稳定性和收敛速度。

3. Kaiming初始化（He初始化）

方法：正态分布时均值为0，方差为 $2/n_{in}$ ；均匀分布时范围是 $U(-\sqrt{6/n_{in}}, \sqrt{6/n_{in}})$ ， $n_{in}$ 为输入神经元数量。
影响：适用于ReLU及其变体激活函数，保证经过ReLU激活后的输出方差不变，稳定梯度，有效缓解梯度消失，在深层网络中效果显著。

4. Batch Normalization中的权重初始化

方法：卷积层或全连接层后的权重常初始化为单位矩阵或接近单位矩阵，偏置项初始化为0。Batch Normalization层中，可学习参数 $\gamma$ 和 $\beta$ 通常初始化为1和0。
影响：Batch Normalization减少内部协变量偏移，使网络对权重初始化不那么敏感，配合适当的权重初始化，进一步提高模型的稳定性，减少梯度消失和梯度爆炸的发生。

5. 编程实战案例（以Xavier初始化和Kaiming初始化对比为例）

通过构建分别使用Xavier初始化和Kaiming初始化的深度神经网络，对比两者的训练过程。代码如下：

import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np
import matplotlib.pyplot as plt

# 生成简单数据集
np.random.seed(0)
X = np.random.randn(100, 1)
y = 3 * X + 2 + 0.5 * np.random.randn(100, 1)
X = torch.FloatTensor(X)
y = torch.FloatTensor(y)

# 定义一个深度神经网络，使用Xavier初始化
class DeepNetwithXavier(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers):
        super(DeepNetwithXavier, self).__init__()
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        layers = []
        for i in range(num_layers):
            if i == 0:
                layer = nn.Linear(input_size, hidden_size)
                nn.init.xavier_uniform_(layer.weight)
                layers.append(layer)
            else:
                layer = nn.Linear(hidden_size, hidden_size)
                nn.init.xavier_uniform_(layer.weight)
                layers.append(layer)
            layers.append(nn.ReLU())
        layer = nn.Linear(hidden_size, 1)
        nn.init.xavier_uniform_(layer.weight)
        layers.append(layer)
        self.layers = nn.Sequential(*layers)

    def forward(self, x):
        return self.layers(x)

# 定义一个深度神经网络，使用Kaiming初始化
class DeepNetwithKaiming(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers):
        super(DeepNetwithKaiming, self).__init__()
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.num_layers = num_layers
        layers = []
        for i in range(num_layers):
            if i == 0:
                layer = nn.Linear(input_size, hidden_size)
                nn.init.kaiming_uniform_(layer.weight)
                layers.append(layer)
            else:
                layer = nn.Linear(hidden_size, hidden_size)
                nn.init.kaiming_uniform_(layer.weight)
                layers.append(layer)
            layers.append(nn.ReLU())
        layer = nn.Linear(hidden_size, 1)
        nn.init.kaiming_uniform_(layer.weight)
        layers.append(layer)
        self.layers = nn.Sequential(*layers)

    def forward(self, x):
        return self.layers(x)

# 实例化模型、损失函数和优化器
input_size = 1
hidden_size = 10
num_layers = 10
model_xavier = DeepNetwithXavier(input_size, hidden_size, num_layers)
model_kaiming = DeepNetwithKaiming(input_size, hidden_size, num_layers)
criterion = nn.MSELoss()
optimizer_xavier = optim.SGD(model_xavier.parameters(), lr=0.01)
optimizer_kaiming = optim.SGD(model_kaiming.parameters(), lr=0.01)

# 训练使用Xavier初始化的模型
num_epochs = 500
losses_xavier = []
for epoch in range(num_epochs):
    optimizer_xavier.zero_grad()
    outputs = model_xavier(X)
    loss = criterion(outputs, y)
    loss.backward()
    optimizer_xavier.step()
    losses_xavier.append(loss.item())

# 训练使用Kaiming初始化的模型
losses_kaiming = []
for epoch in range(num_epochs):
    optimizer_kaiming.zero_grad()
    outputs = model_kaiming(X)
    loss = criterion(outputs, y)
    loss.backward