blocks|key|177687|text|想法1:梯度裁剪通常应用于RNN中。下面是实现的一个示例：如何在张量流中有效地应用梯度剪裁？|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|177688|想法2:使用经常性批处理规范化(arXiv)+(批归一化)|177689|下面是批量规范化的LSTM单元的Tensorflow实现：https://github.com/OlavHN/bnlstm/blob/master/lstm.py|177690|这个实现在本文中解释：用于Tensorflow的批量归一化LSTM|177691|entityMap|0|LINK|mutability|MUTABLE|url|https://stackoverflow.com/questions/36498127/how-to-effectively-apply-gradient-clipping-in-tensor-flow|1|https://arxiv.org/pdf/1603.09025.pdf|2|https://arxiv.org/abs/1502.03167|3|https://github.com/OlavHN/bnlstm/blob/master/lstm.py|4|http://olavnymoen.com/2016/07/07/rnn-batch-normalization^0|T|H|0|0|6|G|1|O|4|2|0|T|1G|3|0|B|M|4|0^^$0|@$1|2|3|4|5|6|7|Z|8|@]|9|@$A|10|B|11|1|12]]|C|$]]|$1|D|3|E|5|6|7|13|8|@]|9|@$A|14|B|15|1|16]|$A|17|B|18|1|19]]|C|$]]|$1|F|3|G|5|6|7|1A|8|@]|9|@$A|1B|B|1C|1|1D]]|C|$]]|$1|H|3|I|5|6|7|1E|8|@]|9|@$A|1F|B|1G|1|1H]]|C|$]]|$1|J|3|-4|5|6|7|1I|8|@]|9|@]|C|$]]]|K|$L|$5|M|N|O|C|$P|Q]]|R|$5|M|N|O|C|$P|S]]|T|$5|M|N|O|C|$P|U]]|V|$5|M|N|O|C|$P|W]]|X|$5|M|N|O|C|$P|Y]]]]

Idea #1: Gradient clipping is often applied in RNNs. Here is an example of implementation: <a href="https://stackoverflow.com/questions/36498127/how-to-effectively-apply-gradient-clipping-in-tensor-flow">How to effectively apply gradient clipping in tensor flow?</a>

Idea #2: Using <a href="https://arxiv.org/pdf/1603.09025.pdf" rel="nofollow noreferrer">Recurrent Batch Normalization (arXiv)</a> (<a href="https://arxiv.org/abs/1502.03167" rel="nofollow noreferrer">Batch Normalization</a>)

Here is a Tensorflow implementation of a batch normalized LSTM cell: <a href="https://github.com/OlavHN/bnlstm/blob/master/lstm.py" rel="nofollow noreferrer">https://github.com/OlavHN/bnlstm/blob/master/lstm.py</a>

This implementation is explained in the article here : <a href="http://olavnymoen.com/2016/07/07/rnn-batch-normalization" rel="nofollow noreferrer">Batch normalized LSTM for Tensorflow</a>

Perhaps a question better posed to Computer Science or Cross Validated?

<hr>

I'm beginning some work with LSTM on sequences of arbitrary length and one problem I'm experiencing and that I haven't seen addressed, is that my network seems to have developed a couple parameters that grow linearly (perhaps as a measure of time?).

The obvious issue with this is that the training data is bounded at a sequence of length <code>x</code> and so the network grows this parameter reasonably up until tilmestep <code>x</code>. But after that, the network will eventually NAN because values are getting too extreme.

Has anyone read anything about the normalization of stabilization of states over time?

Any suggestions would be much appreciated.

State Normalization of RNNs

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

也许更好地向计算机科学或交叉验证提出一个问题？我正在开始一些关于任意长度序列的LSTM工作，这是我正在经历的一个问题，我还没有看到解决的问题，就是我的网络似乎开发了几个线性增长的参数(也许是作为时间的度量？)这方面的明显问题是，训练数据被限制在长度为x的序列上，因此网络会合理地将这个参数增长到直到x。但在那之后，网络最终会产生南，因为价值观变得太极端了。有没有人读过任何关于随着时间的推移国家稳定正

问RNNs的状态归一化
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问RNNs的状态归一化EN