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...

给点建议吧，投不到工作😭😭😭

约面的挺突然。。狠下心接了1.自我介绍2.讲讲JAVA的反射3.可以继续讲讲AOP，动态代理[ 因为讲反射不小心吟唱到了例如AOP的动态代理，但是这块记忆的非常不熟，结果磕磕绊绊 ]4.项目我看你写了AOP和注解，具体怎么实现滑动窗口限流的[ 梦到什么说什么，吟唱八股发散千万不要散到自己不熟悉的区域 ]5.也讲讲为什么另一个项目选择令牌桶，具体流程6. OK，讲讲 Redis 的数据类型？还有吗？就了解这五种嘛[ 把5个的基础类型从应用对比到历届底层全都吟唱了一遍。一句还有吗直接没力气了，简历就写了理解5种，别的我是真一点没看TT ]7.讲讲Redission分布式锁实现8.这个指数退避怎么实现的9.在这里有考虑去保障幂等性嘛10.这里为什么使用指数退避呢? 什么时候用均匀重传[已经晕过去了说不了解，刚说了后就意识到，估计应该说指数退避能缓解压力防止下游服务器雪崩之类的]11.ok，那讲讲JMM12.讲讲RocketMQ如何保证的不丢消息13.讲讲RocketMQ延迟消息原理14.讲讲项目Redis实现会话记忆这一块15.如果ai调用function calling出现幻觉，有考虑怎么解决吗？[ 不了解，面试官说什么接口幂等化，高危操作人工防护，没在听，感觉人已经飞升了TT ]16.mcp了解嘛？和function calling有什么区别[ 依旧不了解，只能说了个前者规范架构抽象解耦，后者耦合高只能算个工具调用]17.AI生成代码的代码质量怎么保障，那平时如何review的呢18.算法。lc215  数组中最大第k个元素19.打算考研还是本科就业20.反问1️⃣有哪里不足，有哪些需要提高的部分。[主要说知识广度不够，多刷算法，让我别太紧张]2️⃣部门业务会做什么人生第二次面试。感觉大厂面试官的气场压力很大应该凉了不过这次面试非常锻炼心态，多面试，多面试。

AI岗位这两年暴涨，身边不少人都在转AI方向，而我还在做嵌入式开发，感觉好像和这个风口无缘。不过想想技术领域本来就有很多方向，嵌入式也是很重要的一块。与其焦虑错过什么机会，不如把手里的技术踏实做好，慢慢积累经验，说不定以后也能在自己的领域走得更远。