一、梯度消失、梯度爆炸產生的原因
說白了，對於1.1 1.2，其實就是矩陣的高次冪導致的。在多層神經網絡中，影響因素主要是權值和激活函數的偏導數。
1.1 前饋網絡
假設存在一個網絡結構如圖：
其表達式為：
若要對於w1求梯度，根據鏈式求導法則，得到的解為：
通常，若使用的激活函數為sigmoid函數，其導數：
這樣可以看到，如果我們使用標准化初始w，那么各個層次的相乘都是0-1之間的小數，而激活函數f的導數也是0-1之間的數，其連乘后，結果會變的很小，導致梯度消失。若我們初始化的w是很大的數，w大到乘以激活函數的導數都大於1，那么連乘后，可能會導致求導的結果很大，形成梯度爆炸。
當然，若對於b求偏導的話，其實也是一個道理：
推出：
1.2 RNN
對於RNN的梯度下降方法，是一種基於時間的反向求導算法（BPTT），RNN的表達式：
通常我們會將一個完整的句子序列視作一個訓練樣本，因此總誤差即為各時間步（單詞）的誤差之和。
而RNN還存在一個權值共享的問題，即這幾個w都是一個，假設，存在一個反復與w相乘的路徑，t步后，得到向量：
若特征值大於1，則會出現梯度爆炸，若特征值小於1，則會出現梯度消失。因此在一定程度上，RNN對比BP更容易出現梯度問題。主要是因為RNN處理時間步長一旦長了，W求導的路徑也變的很長，即使RNN深度不大，也會比較深的BP神經網絡的鏈式求導的過程長很大；另外，對於共享權值w，不同的wi相乘也在一定程度上可以避免梯度問題。
1.3 懸崖和梯度爆炸
對於目標函數，通常存在梯度變化很大的一個“懸崖”，在此處求梯度，很容易導致求解不穩定的梯度爆炸現象。
三、梯度消失和梯度爆炸哪種經常出現
事實上，梯度消失更容易出現，因為對於激活函數的求導：
可以看到，當w越大，其wx+b很可能變的很大，而根據上面sigmoid函數導數的圖像可以看到，wx+b越大，導數的值也會變的很小。因此，若要出現梯度爆炸，其w既要大還要保證激活函數的導數不要太小。
二、如何解決梯度消失、梯度爆炸
1、對於RNN，可以通過梯度截斷，避免梯度爆炸
2、可以通過添加正則項，避免梯度爆炸
3、使用LSTM等自循環和門控制機制，避免梯度消失，參考：https://www.cnblogs.com/pinking/p/9362966.html
4、優化激活函數，譬如將sigmold改為relu，避免梯度消失