TensorFlow面试整理-如何处理 TensorFlow 中的梯度消失或爆炸问题？
在深度学习中，梯度消失和梯度爆炸问题是神经网络训练中的常见问题，特别是在深层网络中（如 RNN、LSTM 或深度卷积神经网络）。这两个问题会导致训练过程中的梯度更新变得非常困难，从而影响模型的收敛速度和最终性能。
● 梯度消失：在反向传播中，梯度逐层缩小，导致前面的层无法获得足够的梯度更新。
● 梯度爆炸：梯度在反向传播中迅速增大，导致梯度值过大，模型参数更新过快，进而导致训练不稳定甚至溢出。
在 TensorFlow 中