目录 比较CNN和多层感知机MLP MMCV中Hook机制简介及创建一个新的Hook 深度学习训练中如何区分错误样本和难例样本 PyTorch节省显存的常用策略 深度学习模型训练时的Warmup预热学习率作用 PyTorch中的ModuleList和Sequential的区别和使用场景 考虑一个过滤器用于卷积的边缘提取 深度学习中为什么不对bias偏置进行正则化 深度学习模型中如何融入传统图像处理的特征 多任务学习中各个任务损失的权重设计 为什么Adam常常打不过SGD 如何处理不平衡的数据集 PyTor
超级会员免费看
本文涵盖了深度学习面试中常见的问题，包括CNN与MLP的对比、MMCV Hook机制、错误样本与难例样本的区分、PyTorch内存优化、Warmup学习率策略、ModuleList与Sequential的区别、滤波器在边缘检测中的应用、不正则化bias的原因、多任务学习的权重设计、优化器Adam与SGD的比较、处理不平衡数据集的方法，以及PyTorch中设备操作优化和模型并行训练策略等。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
