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...

   😅? 

最近在准备找第二段实习，主要方向想转向 Agent / 智能体开发。目前已经学习了 SpringAI 和 langchain等技术栈，完成了一个支持自定义工作流的项目，能够理解整体架构设计与执行逻辑，具备一定的智能任务编排思路。希望大佬们看看我的简历！

如图，最近刷xhs竟然刷到了某团给大量校招生背C...看完了之后有点震惊，如果是几个校招生那可能是个别组的问题，但是大批量校招都出现过这种情况可以理解为公司效益的问题了。也难怪，去年外卖大战的确给美团带来不少亏损，今年财报也是一塌糊涂。回想当年我们刚入行的时候，像去哪儿这种公司还会把校招组织起来培训，生怕你写不出代码，但是放在现在，像字节、得物、小红书等，都是要求你来了之后马上上手，只能说今时不同往日，互联网现在都在卷增量了。从笔试到面试，到谈薪、入职、试用期、绩效，跟对老板，少做垃圾活，每一步都很重要，但是按照现在的环境来看，每一步都走对不太容易。