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...

做过很多的项目，也有一段实习，但是投递就几乎没啥反应，是简历问题吗？大家帮忙看看吧想做AI产品

个人背景：双非 + 一段日常 + Agent项目一面自我介绍，到岗时间，实习时长AI IDE如何选择？（claudecode + coding plain/Claude）skills、MCP用过吗？有什么区别（规范格式 VS 统一接口）Git发生了冲突怎么解决？ Linux命令，查进程？挂载？软链接？复制？（挂载不会）shell脚本熟悉吗？（会一点）POST和GET的区别？POST可以完全代替GET请求吗？（语义&参数限制&安全性等）HTTP常见的状态码（200，40X，50x）js熟悉吗？NodeJS用过吗？（就会以一点基本的js语法）（实习）投屏，画出项目流程（实习）模块上...