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...

大家都在鼓励你。自己也要争气啊！！！

一、背景知识1. Python 数据结构Python常见内置数据结构有：list、tuple、dict、set、str。面试重点通常是时间复杂度和应用场景：list：动态数组，支持随机访问，尾部增删快，头部插入删除慢tuple：不可变序列，适合只读数据，哈希友好dict：哈希表实现，键查找/插入平均O(1)set：不重复集合，去重和成员判断高效（平均O(1)）str：不可变字符串，切片会创建新对象 # 常见复杂度示例 arr = [1, 2, 3] arr.append(4) # 平均 O(1) arr.insert(0, 0) # O(n) d = {"a": 1} pr...