因为简历里面有深度学习相关的项目,所以面试时被问了一些深度学习上的问题,这里列举出来,给后面的学弟学妹们提供参考。
1.什么是激活函数?激活函数的作用是什么?
2.什么是欠拟合和过拟合?如何解决?
3.什么是卷积?有什么作用?(图像中的卷积含义、信号处理中的含义)
4.什么是损失函数?常见损失函数有哪些?损失函数的作用?
5.BN层是什么?作用?
6.Bias和Virance的区别,Bias(偏差)和Virance(方差)解决方法
7.几种优化算法(sgd、momentum、rmsprop、Adam区别与联系)
8.什么是dropout?作用?
9.什么梯度?什么是梯度下降法?
10.讲一下ResNet残差结构,如何工作,为什么能够使得网络层数大幅增加?
11.DenceNet结构?和ResNet对比。
12.谈一下梯度消失和梯度爆炸,如何克服?
13.谈一下卷积层和全连接层?(对比)
14.池化层的作用
15.什么是端到端训练?
16.讲一下Inception块系列。
图像部分
1.什么是注意力机制?谈谈你的理解。(注意力机制和自注意力机制)
2.什么是反卷积?
3.什么是空洞卷积?
4.DeepLab系列有什么区别?各自有什么特点。
5.MobileNet系列特点。
6.讲一下DW卷积。
7.什么是空间金字塔?有什么作用?
8.什么是CRF?作用?