CUMT深度学习2023年回忆版

一、输入特征图格式121*121*3，卷积核为15核9*9，无零填充，步长为2

     1.卷积操作后的图片格式

     2.参数总量

    3.cnn特点

二、1.自注意力机制qkv模式结构图

        2.自注意力计算过程（缩放点积）

三、1.从梯度估计修正方面解释动量法和Nesterov加速梯度

        2.高低维空间非凸优化问题的难点和侧重点

四、免费午餐定理和丑小鸭定理

五、描述随机梯度下降法，并分析优缺点

六、LSTM作为RNN的改进，能否有效控制梯度爆炸/消失，分析背后原理

七、深度强化学习五要素，提供一种较为合适的学习算法最大化累计收益