Eksplozja gradientu (Exploding Gradient) to problem występujący podczas trenowania głębokich sieci neuronowych, w którym wartości gradientów stają się nadmiernie duże. Zjawisko to pojawia się najczęściej podczas procesu wstecznej propagacji błędu, prowadząc do niestabilności numerycznej i gwałtownych zmian wag sieci. W rezultacie model nie jest w stanie efektywnie się uczyć, a jego parametry mogą przyjmować wartości nieokreślone (np. NaN). Aby zapobiegać temu problemowi, stosuje się techniki takie jak obcinanie gradientów (gradient clipping) oraz odpowiednią inicjalizację wag.
Eksplozja gradientu (Exploding Gradient)
