![](https://img-blog.csdnimg.cn/20190927151117521.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习与机器学习面经
文章平均质量分 68
深度学习与机器学习面试题整理
@啊哈哈哈哈哈韩
冲就完了!!!
展开
-
面试必备技能
平时自己关注的前沿知识,也不要落下,仔细了解,面试官很在乎你是否喜欢追进新科技,跟进创新概念和技术;:准备数据结构与算法,有笔试的大厂,第一关就是手撕代码做算法题;:自己的科研经历,科研内容,学习的相关领域知识;:自己的实习经历,做了什么内容,学习的领域知识;个人备忘,后序有待补充。原创 2024-03-26 13:00:35 · 105 阅读 · 0 评论 -
机器学习与深度学习面试一百题(1)机器学习与神经网络基础(持续更新中...)
它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。,从而无法继续训练model,而规范化能够将越来越偏的分布拉回到标准化的分布,使得激活函数的输入值落在激活函数对输入比较敏感的区域,从而。在神经网络的训练中,随着网络的深度增加,每层特征值分布会逐渐的向激活函数的输出区间的上下两端(激活函数饱和区间)靠近,长此以往则会导致。,也就是说假设原始的某个数值是x,套上一个起到规范化作用的函数,对规范化之前的数值x进行转换,形成一个规范化后的数值。为什么需要数据规范化?原创 2024-03-26 13:46:13 · 373 阅读 · 2 评论 -
机器学习与深度学习面试一百题(2)卷积神经网络(持续更新中...)
kernel=3×3,输入是前一层的20个特征映射,因此第三层的每个特征映射有3×3×20个weight,加上bias,每个特征映射对应181个参数。kernel=3×3,输入是前一层的10个特征映射,因此第二层的每个特征映射有3×3×10个weight,加上bias,每个特征映射对应91个参数。由于第二层有20个特征映射,因此需要91×20=1820个参数;kernel=3×3,输入有3个通道(RGB图片),因此每个特征映射有3×3×3个weight,加上bias,每个特征映射对应28个参数。原创 2024-03-28 01:08:01 · 605 阅读 · 1 评论