面试题简述Transformer中用的是LayerNorm，而不是常见的BatchNorm，这是为什么？面试官想听的意识到不是BN不好，而是不适合Transformer的使用场景。面试回答举例Transformer中选择LayerNorm而不是BatchNorm，主要原因和序列建模方式以及训练场景有关。详情请查看：http://xhslink.com/o/8yJohFzKSX6由浅入深分析1、BN 依赖 batch 统计量。2、LN 只依赖特征维度。3、Transformer 的 token 并行与 BN 设计目标维度不一致。4、自回归推理场景下 BN 表现不稳定。面试加分点1、提出推理阶段 ...

我真笑了兄弟们，可拽死这家公司了

1. 使用 isinstance() 和 collections.abc.Iteratorfrom collections.abc import Iteratora = map(lambda x: x**3, [1, 2, 3])print(isinstance(a, Iterator)) # 输出: True2.检查迭代器协议的方法a = map(lambda x: x**3, [1, 2, 3])print(hasattr(a, '__iter__')) # 输出: Trueprint(hasattr(a, '__next__')) # 输出: True # 迭代器的 __iter__ 方...