offer建议了真诚版

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...

一个面试也没，心累   

拼多多测试一面，

1. 自我介绍2. 算法题（全英文）给定一个二维数组：1 2 34 5 67 8 9你需要找到pointA到pointB，路径有C个点的路径数量Input1 3 3Output5从1到3，合法的路径有：1->2->3 1->4->3. 1->5->3. 1->6->3 1->8->3.1->7->3 不合法是因为1->7中间经过了4（多了一个点）额外补充：你经过的点可以在下次经过的时候可以跳过比如Input：4 4 5那么其中有一条合法路径就是 4->1->7->5(因为经过了4，所以1到7中间经过...