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？