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...

现在才学到苍穹外卖，会不会太晚了TvT，在想能不能找小厂刷刷实习经历，这简历可以试着投吗？有人能指点一下吗，谢谢大佬

免责声明：以下内容是我语音输入，让我的 ChatGPT 总结整理的题解思路，仅做简单复盘分享，可能存在理解偏差。下面先给出四道题 相对标准化的题干描述。如果你只是想练习，可以先只看题干部分，不要往下翻题解。题目一：主播排序给定 N 个直播片段，每个片段包含以下信息：uid：主播编号A：指标 A（越大越好）B：指标 B（越大越好）T：时间（越早越好）index：输入顺序（越早越好）排序规则如下：A 越大越好若 A 相同，则 B 越大越好若 A,B 相同，则 T 越早越好若 A,B,T 都相同，则 index 越小越好现在需要：对于每个主播，只保留其 最优的一个直播片段使用每个主播的最优片段对 主...