深度学习基础 1.为什么使用多头注意力机制？ 2.Transformers中positional embedding为什么要使用sin，cos设计，可以直接用1到512代替吗？ 3.介绍一下dropout和normalization以及他们在训练和预测时的区别，如何解决batch normalization在训练和预测时统计量不一致的问题？ 4.L1正则化与L2正则化的区别？ 5.反向传播递推式 6、self-attention的Q·K如果不除以根号d_k而是除以最大值怎么样？ 7、现在有一万亿个矩阵相乘，使用python运算那么应该使用线程还是使用进程？ 8、电脑是怎么把代码转换成可执行程序...