约的视频面试。。       一面    1.生成式模型与判别式模型的区别？    2.贝叶斯是什么？    3.bn为什么能加快收敛速度。bn解决了什么问题？bn是怎么计算的？基于什么计算的？训练和测试的时候有什么不同？测试时候的均值和方差是怎么来的？    3.5 池化层的作用？池化层反向传播的时候是怎么计算的？    3.6 神经网络不断发展的趋势是什么？向着什么方向发展？    3.7正则化有哪些方法？    3.8为什么输入网络之前数据要做归一化？    4.如何加快收敛速度。    5.SVM为什么能够求解对偶问题，求解对偶问题为什么和原问题一样？为什么要求解对偶问题？svm的公式是什么？如果线性不可分怎么办？    6.kkt条件具体是什么？    7.极大似然函数和极大后验函数是啥？    8.relu有什么缺点。    9.具体解释adam，二阶矩是什么？为什么要用二阶矩？    10，ax=b，求x的方法。（求逆矩阵，如果不可逆怎么办。什么情况下可逆。）    代码：判断一个二叉树是否为二叉搜索树。优化空间       二面    1.正则化与bias，variance的关系    2.凸函数是什么，有什么良好的性质？极值是什么？    3.k个独立高斯同分布随机变量的结果是？    4.推导softmax的梯度，和tanh的梯度（求导~）    代码：    4.求两个数的汉明距离。    5.给一个二叉搜索树，和一个区间，删掉不在区间内的节点。       可能还有些记不得了~脑子实在是不行了5555555