如果我们主要使用 LSTMs 而不是 RNNs 来解决梯度消失问题，为什么我们不能只使用带有 RNNs 的 ReLUs/leaky ReLUs 来代替？

如何解决如果我们主要使用 LSTMs 而不是 RNNs 来解决梯度消失问题，为什么我们不能只使用带有 RNNs 的 ReLUs/leaky ReLUs 来代替？

我们都知道当我们使用带有 sigmoid 的深度神经网络时会出现梯度消失问题，如果我们使用 relu ，它可以解决这个问题，但它会产生死神经元问题，然后它会通过leaky relu 解决。如果 RNN 中存在梯度消失问题，为什么我们转向 LSTM。为什么我们不能只使用 relu 来解决它。

解决方法

这不仅仅是消失的梯度，RNN 还发现自己面临梯度爆炸的问题（因为输出不断地再次作为输入重新获得馈送，导致梯度的指数膨胀或收缩）。

您说得对，leaky relu 可能是梯度消失问题的解决方案，但是对于 ReLU 和 Leaky ReLU，会出现梯度爆炸（梯度爆炸）的问题，这在前馈神经网络中并不普遍。因为如果你看到一个相当深的前馈神经网络的深度，它与 RNN 的深度相比仍然很小（几乎没有），RNN 本质上非常深，因此出现了梯度爆炸的问题。这就是我们避免使用 ReLU 并使用 Tanh 激活的原因，如果您可能会问为什么不使用 sigmoid？因为（如果您同时查看 sigmoid 和 Tanh 的梯度图），双曲正切比 sigmoid 具有更好的梯度：

σ′(x)=σ(x)(1−σ(x))≤0.25

tanh′(x)=sech2(x)=2exp(x)+exp(−x))≤1.0

尽管如此，您的直觉是正确的，即带有 RNN 的 ReLU 可以成为那些花哨的 LSTM 和 GRU 的竞争者，但是，我相信许多研究人员尝试过这种组合，但需要付出太多努力（仔细权重初始化，谨慎处理学习率），这是不值得的，并且与 LSTM/GRU 相比没有任何好处。