DL、ML算法面试题记录

1、利用梯度下降法训练神经网络,发现模型Loss不变,可能有哪些问题?怎么解决?

2、如何解决不平衡数据集的分类问题?smote算法的弊端?

3、残差网络为什么能实现更深层?

4、卷积神经网络中空洞卷积的作用是什么?

5、卷积神经网络感受野的概念?

6、模型欠拟合什么时候会出现?有什么解决方案?

7、适用于移动端部署的网络结构有哪些?

8、卷积神经网络中im2col是如何实现的?

9、多任务学习中标签缺失如何处理?

10、梯度爆炸的解决方法?

11、深度学习模型参数初始化都有什么方法?

12、注意力机制在深度学习中的作用是什么?有哪些场景会使用?

13、卷积神经网络为什么具有平移不变性?

14、神经网络参数共享指的是什么?

15、如何提高小型网络的精度?

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值