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...

不知道过两年会变成啥样…   

大佬们帮我看看 👉👈

不是贩卖焦虑，单纯自己学累了，吐槽一下……最近回到学校，又高强度准备简历、项目、八股、hot100了。坐在图书馆里呆一下午真的好累啊。不单单是身体上的累，更多的是担心暑期实习啊。虽已有一段小厂实习，但是感觉微乎其微，况且学历还差。加油吧，咬咬牙。