一面1. css盒模型2. css的选择器机制3. css的内置script和选择器哪个优先级更高4. React中的hook5. React中的state和props6. React中的useEffect的用法7. JS的事件机制/EventLoop8. JS的垃圾回收机制9. 介绍一下跨域问题如何解决10. 介绍一下冒泡机制11. 如何停止冒泡12. 开发中如何检查内存泄漏13. 介绍一下OpenGL的渲染管线 （这里主要是主包提过做了软光栅渲染器）14. 介绍一些着色器15. 介绍着色器是如何渲染的16. 介绍几种Shader算法题：判定括号是否合法二面1. JS的基本类型2. JS的类...

太想去一个大一点的公司实习了兄弟们，年后投了很多小公司，也都没回复，有点失去信心了。

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...