1.梯度裁剪

　　在BP过程中会产生梯度消失（就是偏导无限接近0，导致长时记忆无法更新）（特别是RNN,LSTM，Transformer），那么最简单粗暴的方法，设定阈值，当梯度小于阈值时，更新的梯度为阈值，如下图所示：

　　深度学习_梯度

 

         优点：简单粗暴
　　  缺点：很难找到满意的阈值

 2.nn.utils.clip_grad_norm(parameters, max_norm, norm_type=2)

　　这个函数是根据参数的范数来衡量的 . 通过梯度范数，来实现裁剪

　  所有梯度上范数在一起计算，就好像它们被连接成一个向量。 梯度内置就地修改。

　　Parameters:

    • parameters (Iterable[Variable]) – 一个基于变量的迭代器，会进行归一化（原文：an iterable of Variables that will have gradients normalized）
    • max_norm (float or int) – 梯度的最大范数（原文：max norm of the gradients）
    • norm_type(float or int) – 规定范数的类型，默认为L2（原文：type of the used p-norm. Can be'inf'for infinity norm）
    • error_if_nonfinite (bool) – 如果真，如果来自 :attr:parameters is nan, inf, or -inf. 的梯度的总范数，则会引发错误 。默认是False（将来会改为True）

　　Returns:参数的总体范数（作为单个向量来看）（原文：Total norm of the parameters (viewed as a single vector).）