1. 数值稳定性

神经网络的梯度

向量对向量求导（梯度）得到矩阵，太多的矩阵进行乘法会导致常见的两个问题

梯度消失和梯度爆炸 MLP MLP使用ReLU作为激活函数 梯度爆炸的问题 输入很大的时候梯度接近为0 梯度消失 梯度消失的问题

只能训练比较浅的神经网络 （底层训练不到）

总结

---

2. 模型初始化和激活函数

让训练更加稳定

让每层的方差是一个常数

权重初始化

例子：MLP

当前层的权重独立于当前层的输入

正向方差

反向均值和方差

Xavier初始

线性激活函数

反向

常用激活函数

总结

这一节听不懂了家人们，先这么着，回来懂了再回补

知乎https://zhuanlan.zhihu.com/p/685154434