检查梯度问题（消失/爆炸）

有效的训练依赖于反向传播期间计算的梯度。这些梯度引导优化器更新模型参数以最小化损失函数。然而，这些梯度的大小有时会成为问题，导致训练不稳定或停滞。两个常见问题是梯度消失和梯度爆炸。了解如何检查梯度是诊断训练中出现的问题的一项重要技能。

理解梯度问题

在反向传播过程中，梯度使用链式法则逐层计算。在深度网络中，这涉及将许多小数字（导数）相乘。

• 梯度消失： 当梯度从输出层向初始层反向传播时变得极其小，就会发生这种情况。结果是，初始层的权重和偏置更新得非常缓慢，甚至完全不更新。网络基本上停止从早期层的数据中学习有意义的特征。这在深度网络中尤其常见，当使用 sigmoid 或 tanh 等激活函数时，这些函数在大多数区域的导数都小于 1。
• 梯度爆炸： 这是相反的问题，即在反向传播过程中梯度变得过大。大梯度会导致模型权重发生显著更新。这可能导致优化过程变得不稳定，损失剧烈波动甚至变成 NaN（非数字），从而有效地停止训练。梯度爆炸可能由于不佳的权重初始化、过高的学习率或某些网络结构引起，尤其是在循环神经网络中。

在 PyTorch 中检测梯度问题

PyTorch 的 Autograd 系统计算梯度，并将其存储在 requires_grad=True 的张量的 .grad 属性中。这些梯度在 loss.backward() 调用后即可访问，并在 optimizer.step() 更新模型参数或 optimizer.zero_grad() 清除梯度之前保持可用。

监控整体梯度范数

一个常用做法是监控模型中所有可训练参数的梯度整体大小（范数）。L2 范数（欧几里得范数）是常用的一种。非常小的范数表明梯度消失，而非常大或 NaN 的范数则表明梯度爆炸。

以下是在训练循环中计算并记录总梯度范数的方法：

# 在训练循环中，在 loss.backward() 之后

total_norm = 0
for p in model.parameters():
    if p.grad is not None:
        param_norm = p.grad.detach().data.norm(2) # 计算此参数梯度的 L2 范数
        total_norm += param_norm.item() ** 2      # 平方和
total_norm = total_norm ** 0.5                   # 平方和的平方根

print(f"总梯度范数: {total_norm}")
# 通常，你会使用 TensorBoard 或其他日志框架来记录此值

随时间监控此值可以提供信息：

模型梯度总 L2 范数随训练步数变化的趋势，以对数尺度显示。稳定的训练显示相对一致的范数，梯度爆炸显示快速增加（常导致 NaN），梯度消失则显示趋近于零的下降。

逐层检查梯度

有时，梯度问题可能局限于特定层。你可以直接检查单个参数的梯度。

# 在训练循环中，在 loss.backward() 之后

# 示例：检查第一个卷积层的权重梯度
if hasattr(model, 'conv1') and model.conv1.weight.grad is not None:
    conv1_grad_mean = model.conv1.weight.grad.abs().mean().item()
    conv1_grad_max = model.conv1.weight.grad.abs().max().item()
    print(f"层 conv1 - 平均绝对梯度: {conv1_grad_mean:.6f}, 最大绝对梯度: {conv1_grad_max:.6f}")

# 示例：检查特定线性层的偏置梯度
if hasattr(model, 'fc2') and model.fc2.bias.grad is not None:
    fc2_bias_grad_norm = model.fc2.bias.grad.norm(2).item()
    print(f"层 fc2 (偏置) - L2 范数: {fc2_bias_grad_norm:.6f}")

查看平均或最大绝对梯度值，或特定层的范数，可以帮助确定梯度是在减小还是在不受控制地增长。使用直方图（例如，使用 Matplotlib 或通过 TensorBoard 记录）来可视化某一层的梯度值分布也很有用。

使用钩子进行更细致的检查

为了进行更详细的调试，PyTorch 提供了钩子。可以在任何 nn.Module 上注册一个反向钩子（register_full_backward_hook）。当为该模块计算了梯度时，此钩子会执行，允许你检查甚至修改通过它的梯度（grad_input，grad_output）。尽管功能强大，但钩子会增加复杂性，通常在简单检查方法不足时使用。

观察损失行为

间接来看，训练损失本身就是一个强有力的指示器。

• 损失变为 NaN： 几乎总是梯度爆炸或数学上无效操作（如 log(0)）的迹象。
• 损失下降极其缓慢或过早停滞： 可能是梯度消失的症状，特别是如果涉及初始层。
• 损失剧烈波动： 可能表示梯度爆炸或学习率过高。

缓解的初步措施

检测梯度问题是第一步。解决这些问题通常涉及其他地方更详细介绍的技术，但常见策略包括：

• 梯度裁剪： 对于梯度爆炸，在优化器步骤之前限制梯度的最大范数或值。torch.nn.utils.clip_grad_norm_ 或 torch.nn.utils.clip_grad_value_ 是标准实用工具。
• 激活函数： 在深度网络中用 ReLU 或其变体（Leaky ReLU, PReLU, ELU）替换 sigmoid/tanh，这些函数通常具有问题较少的导数特性。
• 权重初始化： 使用旨在维持各层方差的初始化方案，例如 Xavier/Glorot 或 He 初始化。
• 批量归一化： 通过归一化层输入，有助于稳定学习并可以缓解梯度消失/爆炸问题。
• 网络架构： 使用跳跃连接或残差连接（如 ResNets 中）为梯度流动提供替代路径，从而在非常深的神经网络中对抗梯度消失。
• 学习率调整： 降低学习率有时可以帮助解决梯度爆炸问题，尽管它可能无法解决根本原因。

模型工作后，你不一定需要在每次训练运行时都检查梯度，但当训练不稳定或无效时，它是一个必不可少的诊断工具。通过监控梯度范数和检查单个层的梯度，你可以获得关于训练动态的有价值信息，并发现潜在的梯度消失或梯度爆炸问题。