"你怎么不投简历了？" 室友看着我卸载智联、Boss、牛客的动作，一脸不解。 "不用投了。"我关掉手机，继续收拾行李。 "什么意思？你放弃秋招了？" 我摇摇头，把那本印着"PDD"logo的工作笔记塞进背包："恰恰相反，是秋招主动来找我了。" 三个月前，我还在为秋招焦虑——投了几十份简历，石沉大海。 直到拿到拼多多集团的实习offer。 第一周，我被分配到基础架构团队，导师直接把我拉进了一个核心项目组："这是我们正在做的分布式数据库优化，你先熟悉下架构文档，下周跟我们一起做方案评审。&...

0实习，什么都没有，一问三不知简历如下求建议，算法什么的也不懂

不过还是挺开心的hhh

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...