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...

大佬们帮我看看 👉👈

现在好多技术都在学，项目还在搞，但是害怕时间太晚来不及了，只要有人要我就可以了小厂也可以，佬佬帮我看一下😭😭

"这条红线是谁加的？" 技术评审会上，tech lead 指着监控大盘上一条醒目的红色基准线问道。 我举了举手："是我加的。" 会议室里安静了两秒。 "为什么要加这条线？" "因为我发现我们的服务响应时间 P99 一直在 200ms 上下波动，但没有明确的优化目标。我查了下行业标准和用户体验数据，150ms 是一个比较合理的阈值。所以我在监控上加了这条红线，提醒自己还有优化空间。" tech lead 看了我一眼，然后笑了："那你打算怎么把它压下去？" 我打开笔记本，开始讲我这两周的分析结果。 ...