深度学习: gradient diffusion (梯度弥散)

Introduction

从文章《梯度弥散》摘来的一段话：

梯度下降法（以及相关的L-BFGS算法等）在使用随机初始化权重的深度网络上效果不好的技术原因是：梯度会变得非常小。具体而言，当使用反向传播方法计算导数的时候，随着网络的深度的增加，反向传播的梯度（从输出层到网络的最初几层）的幅度值会急剧地减小。结果就造成了整体的损失函数相对于最初几层的权重的导数非常小。这样，当使用梯度下降法的时候，最初几层的权重变化非常缓慢，以至于它们不能够从样本中进行有效的学习。这种问题通常被称为“梯度的弥散”.

Summary

• 最早期的神经网络往往都只有两三层，最大的瓶颈就在于梯度弥散；

• 2012年有了 合理的参数初始化 & 提出 Relu激活函数 后，成功 “ 缓解 ”了该问题，深度的天花板第一次被打破；

• 但网络更深的时候，梯度弥散就会死灰复燃。这时候就需要 identity mapping 来第二次打破深度的天花板；

• BN因为在前馈的时候缩放了输入空间，而前馈时的输入空间又直接影响了反馈计算时的梯度状况。所以说，BN其实帮助减缓了梯度问题。

[1] 深度学习: Batch Normalization (归一化)