“学习的同时记录，记录的同时分享，分享的同时交流，交流的同时学习。”
梯度消失问题和梯度爆炸问题，总的来说可以称为梯度不稳定问题。
【要背住的知识】：用ReLU代替Sigmoid，用BN层，用残差结构解决梯度消失问题。梯度爆炸问题的话，可以用正则化来限制。sigmoid的导数的取值范围是【0，0.25】.
1 出现原因
两者出现原因都是因为链式法则。当模型的层数过多的时候，计算梯度的时候就会出现非常多的乘积项。用下面这个例子来理解：
这是每层只有1个神经元的例子，每个神经元的激活函数都是sigmoid，然后我们想要更新b1这个参数。按照大家都公认的符号来表示：
- 这就是z的含义；
,这是a的含义。
可以得到这个偏导数：
然后化简：
关键在于这个
，sigmoid函数的导数，是在0~0.25这个区间的，这意味着，当网络层数越深，那么对于前面几层的梯度，就会非常的小。下图是sigmoid函数的导数的函数图：
因此经常会有这样的现象：
图中，分别表示4层隐含层的梯度变化幅度。可以看到，最浅的那个隐含层，梯度更新的速度，是非常小的。【图中纵轴是指数变化的】。
那么梯度爆炸也很好理解，就是
，这样就爆炸了。【注意：如果激活函数是sigmoid，那么其导数最大也就0.25，而
一般不会大于4的，所以sigmoid函数而言，一般都是梯度消失问题】
【总结】：
- 梯度消失和梯度爆炸是指前面几层的梯度，因为链式法则不断乘小于（大于）1的数，导致梯度非常小（大）的现象；
- sigmoid导数最大0.25，一般都是梯度消失问题。
2 解决方案
2.1 更换激活函数
最常见的方案就是更改激活函数，现在神经网络中，除了最后二分类问题的最后一层会用sigmoid之外，每一层的激活函数一般都是用ReLU。
【ReLU】：如果激活函数的导数是1，那么就没有梯度爆炸问题了。
【好处】：可以发现，relu函数的导数在正数部分，是等于1的，因此就可以避免梯度消失的问题。【不好】：但是负数部分的导数等于0，这样意味着，只要在链式法则中某一个
小于0，那么这个神经元的梯度就是0，不会更新。
【leakyReLU】：在ReLU的负数部分，增加了一定的斜率：
解决了ReLU中会有死神经元的问题。
【elu】:跟LeakyReLU一样是为了解决死神经元问题，但是增加的斜率不是固定的：
但是相比leakrelu，计算量更大。
2.2 batchnorm层
这个是非常给力的成功，在图像处理中必用的层了。BN层提出来的本质就是为了解决反向传播中的梯度问题。
在神经网络中，有这样的一个问题：Internal Covariate Shift。假设第一层的输入数据经过第一层的处理之后，得到第二层的输入数据。这时候，第二层的输入数据相对第一层的数据分布，就会发生改变，所以这一个batch，第二层的参数更新是为了拟合第二层的输入数据的那个分布。然而到了下一个batch，因为第一层的参数也改变了，所以第二层的输入数据的分布相比上一个batch，又不太一样了。然后第二层的参数更新方向也会发生改变。层数越多，这样的问题就越明显。
但是为了保证每一层的分布不变的话，那么如果把每一层输出的数据都归一化0均值，1方差不就好了？但是这样就会完全学习不到输入数据的特征了。不管什么数据都是服从标准正太分布，想想也会觉得有点奇怪。所以BN就是增加了两个自适应参数，可以通过训练学习的那种参数。这样把每一层的数据都归一化到
均值，
标准差的正态分布上。
【将输入分布变成正态分布，是一种去除数据绝对差异，扩大相对差异的一种行为，所以BN层用在分类上效果的好的。对于Image-to-Image这种任务，数据的绝对差异也是非常重要的，所以BN层可能起不到相应的效果。】
2.3 残差结构
残差结构，简单的理解，就是让深层网络通过走捷径，让网络不那么深层。这样梯度消失的问题就缓解了。
2.4 正则化
之前提到的梯度爆炸问题，一般都是因为
过大造成的，那么用L2正则化就可以解决问题。
喜欢的话，长按下面的二维码关注下【机器学习炼丹术】，成为炫酷的炼丹师吧！
目前在更：每天一两个AI面试干货知识点。
