阅文集团

收藏
文娱内容
1000-9999人
已上市
上海
学历友好榜
榜单独角兽企业榜单瞪羚企业榜单高新技术

7

在招职位

30

面试经验

10

真题试卷

上传简历
此刻你想和大家分享什么
职位类型
全部
后端开发
客户端开发
产品
最新
热门
1.BN和LN的区别2.什么情况下会发生梯度爆炸,如何解决(我们初始化的w是很大的数,w大到乘以激活函数的导数都大于1,那么连乘后,可能会导致求导的结果很大,形成梯度爆炸。 梯度截断:首先设置梯度阈值:clip_gradient,在后向传播中求出各参数的梯度,不直接用梯度进行参数更新,求梯度的L2范数,然后比较范数||g||与clip_gradient的大小,如果范数大,求缩放因子clip_gradient/||g||,由缩放因子可以看出梯度越大,缩放因子越小,就可以很好的控制梯度的范围。最后将梯度乘以缩放因子得到最后需要的梯度。L1范数是指向量中各个元素绝对值之和,L2范数是指向量各元素的平方和然后求平方根。2、可以通过添加正则项,避免梯度爆炸。正则化是通过对网络权重做正则限制过拟合,仔细看正则项在损失函数的形式:regularization 公式:Loss=(y−WTx)2+α∣∣W∣∣2,其中,α 是指正则项系数,因此,如果发生梯度爆炸,权值的范数就会变的非常大,通过正则化项,可以部分限制梯度爆炸的发生。  3、使用LSTM等自循环和门控制机制,避免梯度消失  4、优化激活函数,譬如将sigmold改为relu,避免梯度消失)  5、使用残差网络,避免梯度消失3.网络收敛很慢可以用什么方法解决:为了解决收敛速度慢的问题,我们可以从以下三个方面入手:数据预处理:对于训练数据,可以尝试进行数据清洗、增强、扩充等操作,以提高数据的质量,减少噪声和不平衡现象,从而帮助模型更快地收敛。优化模型:可以根据任务需求,选择合适的模型结构,避免过度复杂化,以减少计算量和训练时间。同时,可以考虑引入正则化、dropout等技术,以防止过拟合,提高模型的泛化能力。改进训练代码实现:可以选择合适的优化算法,如随机梯度下降(SGD)、Adam等,并合理设置学习率和批量大小,以加快训练速度。同时,可以尝试使用并行化、分布式等方法,利用多GPU或者多机进行训练,以提高计算效率。4.dropout为什么能起到正则化5.用了什么优化器,Adam的原理是什么,Adam为什么可以自适应调节6.数据量很大的话怎么构建图神经网络目前状态是在等企业文化面,但面的时候感觉答的不是很好
投递海信集团等公司8个岗位
点赞 评论 收藏
转发
今年形势差到以为要失业了,都准备春招了 当时是9.11投的海信,然后做完笔试和英语面试后,9.26才等来一面,不过一面直接技术+主管面了,当时发挥的算还行,跟面试官聊得挺开心。然后9.28hr直接来加我v了,说洽谈了。当时还有点懵,我寻思只面了一面,但是赶上国庆,hr说要节后再谈。然后一直到昨天都没消息,实在憋不住了去问hr,hr说今天电话谈。(差点以为被鸽了)今天终于等来了洽谈电话。不过说是谈薪,其实并没有,hr直接报了个一口价,这个价比我心里准备的数高不少了然后hr还给我介绍了部门业务啥的(部门base顺德),我反问了一些常见问题,比如薪资架构啥的。但其实已经不想聊了,我想的是你赶紧给我发offer邮件吧,我狠狠心动了已经已经想结束秋招了,双非本硕鼠鼠已经卷不了一点了,准备摆烂!!!---------------------------------------------------顺带附个一面面经吧2023/09/26 海信一面1. 自我介绍2. 讲一下PID和MPC的用途和区别3. FreeRTOS中创建了哪些任务 如何分配优先级4. 你的项目中PID和UKF用在了什么地方 实现了什么功能5. 电路图能看懂吗6. FreeRTOS中如何任务调度7. 项目中你觉得哪个难度最大8. 项目中遇到的最大的难题 你是如何解决的9. 你自我评价“自我驱动” 请解释一下10. 参加过什么社团活动11. 六级分数不低 听说能力如何 没字幕的美剧能听懂多少12. 意向工作地点13. 现在面试了几家公司 有几个offer#晒一晒我的offer##海信求职进展汇总##海信#
投递海信集团等公司8个岗位 晒一晒我的offer 海信求职进展汇总
点赞 评论 收藏
转发
模拟面试
真实面试体验,快速补齐短板
应聘感受
暂无应聘感受
牛客网
牛客企业服务