深度学习核心概念

题集来源:Rocky Ding(WeThinkIn)收录项目:AIGC-Interview-Book查看原题集

题目目录

116 道原题
  1. 神经网络训练的计算图(Computation Graph)是什么?它对自动微分有什么作用?

    原题
  2. 为什么深层网络比浅层网络更难训练?梯度消失和梯度爆炸分别是什么?

    原题
  3. 反向传播(Backpropagation)算法的本质是什么?它解决了什么问题?

    原题
  4. 反向传播算法的完整推导过程是什么?请从链式法则出发进行说明。

    原题
  5. 链式法则(Chain Rule)在反向传播中是如何应用的?

    原题
  6. 反向传播算法中,梯度是如何从输出层逐层传递到输入层的?

    原题
  7. 反向传播中,权重梯度和偏置梯度的计算公式分别是什么?

    原题
  8. 什么是自动微分(Automatic Differentiation)?与符号微分、数值微分有何区别?

    原题
  9. 正向模式自动微分与反向模式自动微分的区别是什么?神经网络为何通常采用反向模式?

    原题
  10. 在PyTorch或TensorFlow中,反向传播的底层实现机制是什么?

    原题