真正使用过帮我写代码的也只用过四个 : vs+copliot , idea + Linma , trae , cursor ， 就个人使用感觉而言 ，排个序吧 : cursor : 当年毕设就差不多是这玩意写的(当然主要是前端 ， 跑模型啥的自己弄) ，给到number 1vs+copliot : vs其实挺喜欢用的，相较于idea轻量化 ，配合copliot(免费送一个月会员) ，给到老二吧trae , idea+Lingma : trae是出于想试一试的心态用了一下 ，现在基本问个问题都要排队 , 但是时间还行，难评 ，Lingma主要是在idea里面用 ，一时间习惯也懒得改过来了 ，将就...

过了，云智真tm香啊。😜

润色了一下，这个简历还有救吗，春招还能上岸吗😭经历秋招洗礼，感觉运气>>实力

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...