持续更新中
1、 激活函数有哪些 以及各自优缺点
2、 如何防止梯度消失、梯度爆炸
3、 如何防止过拟合
4、 ResNet 详解
5、 BN、LN、GN详解、以及作用
6、CNN、Transformer、MLP比较
7、Faster RCNN系列
8、Yolo系列
9、Tensorflow和PyTorch的区别;
10、随机森林、Adaboost、XGBboost区别 机器学习范畴 (1)线性回归和逻辑斯蒂回归的联系与区别
11、分布式分布部署
12、Transformer是相乘还是相加
13、损失函数 iou giou diou ciou l1 l2等
14、CTC损失函数总结
15、TPS优缺点 原理
16、Ocr+Bert模型会不会变慢
17、L1、L2正则化 优缺点、稀疏解
18、DBNet网络 概率图和阈值图的标签怎么产生
19、python装饰器作用
20、交叉熵损失函数 牢记
21、相似度函数 attention机制
22、深度学习初始化方法、优化器方法等
23、多机多卡训练 部署
24、评价指标mAP ROC AUC等
25、transformer 如何解决梯度消失问题