Python 使用渐变剪裁生成对抗性文本，仍然面临渐变爆炸

我正在训练一个具有生成性对抗网络的文本生成模型。 作为一种常用方法，我使用了

tf.clip\u by\u global\u norm（）

来避免梯度问题。然而，即使我使用了渐变剪裁，我仍然面临渐变爆炸问题，错误是由

tf.clip\u by\u global\u norm（）

函数引起的。 文档中说：如果

global\u norm==infinity

，那么

t\u列表中的条目都设置为
NaN
，表示发生了错误

我几乎找不到这种情况的问题根源，因为我相信
tf.clip\u by\u global\u norm
绝对可以避免梯度问题。
你试过tf.clip\u by\u value吗？您可以将clip_value_min设置为-1，将max设置为1。
如果对文本使用嵌入矩阵，则嵌入值不应大于1

另一方面，人们已经尝试使用GAN的文本生成，但结果不是很好