球球淘天oc！！

从面试官的视角来看，所谓的“小技巧”往往不是候选人用来“作弊”的手段，而是那些能高效展示实力、降低沟通成本、体现工程素养的行为。作为面试官，我们在评估候选人时，内心其实有一套隐藏的评分表。以下是我们眼中真正加分的“小技巧”，以及我们如何看待某些常见的“套路”：一、我们最欣赏的“高光时刻” (真正的加分项)1. “先问后做”的工程直觉 (Clarification First)面试官心理：“我最怕那种拿到题就埋头狂写，写了半页纸才发现需求理解错了的人。这浪费大家时间。”加分技巧：在动手前，主动确认边界条件（输入为空？数据量多大？并发多高？）。主动询问业务场景（“这个功能是给内部运营用还是给 C ...

只招目前在公司所在地的吗？

继上次三方毁约后，又拿到了腾讯社招offer

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...