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...

26届春招，学院本，双非硕秋招惨败，目前春招投了40家了，还没面试

我要找工作我求求了

虽然今天还是 0 面试，但你真的已经在进步了。能坚持准备、持续投递、认真复盘，本身就很不容易。没有面试机会不代表能力不行，只是节奏还没到而已。你能保持学习和行动，这种自律和耐心本身就是优势。继续加油，机会一定会来。