梯度裁剪（Gradient Clipping）

梯度裁剪（Gradient Clipping）是一种用于防止梯度爆炸（Gradient Explosion）的技术，具体来说：

1. 梯度裁剪的作用

• 问题背景：在训练深度神经网络（尤其是RNN/LSTM）时，反向传播过程中梯度可能会变得非常大（称为"梯度爆炸"），导致参数更新幅度过大，模型无法收敛。

• 解决方案：梯度裁剪通过限制梯度向量的最大范数（magnitude）来稳定训练。

2. 代码解释

torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=1.0)

• model.parameters()：获取模型中所有需要梯度更新的参数

• max_norm=1.0：允许的梯度最大范数（常用值0.5~5.0）

• clip_grad_norm_：原地修改所有参数的梯度（带下划线表示原地操作）

3. 数学原理

假设所有参数的梯度组成一个向量 g，裁剪操作如下：

1. 计算梯度范数：‖g‖ = sqrt(∑gᵢ²)

2. 如果 ‖g‖ > max_norm：

   • 缩放梯度：g = g × (max_norm / ‖g‖)

4. 使用场景

通常在loss.backward()之后、optimizer.step()之前调用：

for batch in dataloader:
    loss = model(batch)          # 前向传播
    loss.backward()              # 反向传播
    
    # 梯度裁剪（关键位置！）
    torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=1.0)
    
    optimizer.step()             # 参数更新
    optimizer.zero_grad()        # 梯度清零

5. 直观理解

想象你在下山（优化损失函数）：

• 正常情况：沿着平缓的坡度逐步下降（梯度适中）

• 梯度爆炸：突然遇到悬崖，直接跳下去（梯度极大）

• 梯度裁剪：给悬崖装上安全绳，限制最大步幅

6. 参数选择建议

典型值	适用场景
0.5	非常敏感的模型（如深层Transformer）
1.0	通用推荐值（LSTM/CNN等）
5.0	较简单的模型

7. 对比其他方法

方法	优点	缺点
梯度裁剪	简单直接，通用性强	需要手动选择max_norm
权重初始化	预防性措施	不能完全防止爆炸
改用LSTM/GRU	结构上更稳定	计算成本略高

建议在训练RNN、Transformer等模型时默认添加梯度裁剪，这是实践中稳定训练的常用技巧。