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...

过了，云智真tm香啊。😜

28届2本非科班大概很快要找实习了，应该是偏ai应用开发方向

介绍自己怎么接触的前端，怎么学习的前端实习项目相关，背景痛点，技术难点执行流程题 var name = 'global'; function test(){ console.log(name);//undifined var name = 'local'; } test();  var name = "mary"; function hello() { console.log(name); } function hello1() { var name = "bob"; hello(); } function hello2() { var name = &...