"请介绍一下你在实习期间的主要工作成果。" 答辩组的三位技术专家坐在对面，我深吸一口气，打开了准备好的PPT。 "我主要参与了订单系统的架构优化项目。三个月前接手时，这个系统在日常流量下就偶尔会出现超时，团队一直担心大促时会扛不住。" 我翻到第二页，上面是一张压测报告的对比图： "通过参与微服务拆分、缓存架构重构和数据库读写分离，我们把系统的QPS从8000提升到了80000，P99延迟从500ms降到了50ms。上周的全链路压测中，系统在模拟双十一流量洪峰下依然保持稳定。" 一位专家抬起头："你具体负责了哪些模块？&quo...

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...