深度神经网络中梯度消失的原因及解决

最新推荐文章于 2025-07-12 21:50:54 发布

原创

最新推荐文章于 2025-07-12 21:50:54 发布 · 3.2k 阅读

·

1

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#神经网络 #深度学习 #梯度下降

本文探讨了深度神经网络中梯度消失的问题，其主要由于使用sigmoid等激活函数导致。解决方法包括采用导数更大的函数，如ReLU，以避免梯度在反向传播过程中逐渐减小。ReLU的引入有助于缓解这一问题，使得神经网络训练更加高效。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

我们总听到说梯度消失梯度消失，究竟是什么原因呢。

梯度消失

这里写图片描述
上图是我们的简单3隐层神经网络，我们采取sigmod函数作为每个神经元的激活函数。即，每层输入为：

z i = ω i o i - 1 + b 1

$z_i=\omega_io_{i-1}+b_1$
输出为：

o i = σ (z i)

$o_i=\sigma(z_i)$
则根据求导的链式法则有：

\partial C \partial b 1 = \partial C \partial o 4

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。