1. 谈谈深度学习中的归一化问题深度学习中的归一化，核心目的是让不同层、不同特征的数值分布更稳定，从而加速训练并提高收敛稳定性。常见归一化包括输入归一化（如像素缩放到[0,1]）、BatchNorm、LayerNorm、GroupNorm。BatchNorm在mini-batch维度统计均值方差，适合CNN场景；LayerNorm在特征维度统计，常用于NLP和Transformer。归一化可以缓解梯度消失/爆炸、允许更大学习率、降低参数初始化敏感性。 import torch.nn as nn # CNN里常见 BatchNorm2d cnn_block = nn.Sequential( nn...

民办本，投了简历到现在没有一个约面，是我这个简历太垃圾了吗？各位大佬帮忙看一下有什么需要修改的

太想去一个大一点的公司实习了兄弟们，年后投了很多小公司，也都没回复，有点失去信心了。

面试时间3.12八股讲讲 channel 如何实现进程间通信讲讲Go的内存管理和GCredis是单点服务，如何改造k8s pod的节点亲和性项目因为项目和Agent相关，又问了许多llm的东西如何评估Agent效果worker goroutine panic了怎么办讲讲embedding模型算法给一个长整数字符串 如 23256，给个位数集合 A 如 A={}构造小于 S 的最大整数场景我们每天都有上万条数据和上百万的流量，如何保证mysql的稳定性和可用性