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...

中国电信➡️滴滴出行➡️百度科技➡️腾讯

驾照拿的晚了被拒了

1. 你先简单的一两分钟介绍一下你自己在校的主要经历，比如说实习项目的主要成果。2. 你有提到一些竞赛，竞赛的类型是编程或者数学建模相关的吗？还是你专业本身的？3. 你的专业是机械这一块的，它的一些课程主要是怎么设置的？和计算机有什么关系吗？4. 你的专利是什么类型的专利？算法可以申请专利的吗？5. 除了Java，还熟悉哪些后端语言吗？6. 有了解过JVM调优的方式吗？性能优化这一块的。7. 说一下Java并发编程里面的一些线程模型的一些设计8. 做并发编程时需要关注哪些点，说一下你的理解。9. 假设让你去设计一个微服务框架，你会去做什么技术选型呢？比如说这个框架里面有什么重要的组成。10. ...