2023/09/13古瑞瓦特算法软件工程师面试总结

1、CNN（卷积神经网络）

由卷积层、池化层（采样层）、全连接层构成

2、卷积层的作用

使用卷积核（滤波器）进行特征提取

3、池化层的作用

对卷积层输出的特征图进行特征提取（特征选择），去除多余特征，保留主要特征，重构新的特征图。能够有效缩小参数矩阵的尺寸，从而减少最后全连接层中的参数数量，可以有效提高计算效率和防止过拟合。

4、激活函数的作用

不带激活函数，只能解决线性可分问题，无法解决线性不可分问题。

激活函数是非线性的，能够增强神经网络的表达能力。

5、数据、算法和算力哪个更重要

数据是基础，质量高，多样性足够多的数据可以帮助训练更准确和有效的模型，否则即使有强大的算法和算力，也难以取得好的结果。

算法决定了如何从数据中提取信息、进行分析和做出决策，优秀的算法可以充分利用数据，提高模型性能。不同的任务需要不同的算法，算法选择很重要，算法的创新可以在相对有限的数据和算力下获得出色的结果

算力是指用于处理大规模数据和复杂计算的硬件资源。在一些大规模深度学习和机器学习任务中，强大的算力可以加速训练过程并使模型更快地收敛。