本文探讨了传统梯度裁剪在重尾梯度噪声下的不足，尤其是对裁剪阈值的依赖性。提出了归一化随机梯度下降（NSGD），并证明其在样本复杂度和高概率收敛性上更具优势，为改进算法提供了新思路。

本文介绍了在华为云平台上开发轻量级目标检测与分割算法的过程，使用LinkNet作为主干网络，并进行梯度裁剪。云端训练完成后，使用ONNXRuntime进行推理，端侧使用ModelBox开发套件进行推理。总结了项目的工程化过程，并提到了模型量化和优化算法的改进。