深度学习精华·训练与优化

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

题目目录

47 道原题
  1. 什么是参数高效微调(PEFT)?LoRA/QLoRA/Adapter/Prefix Tuning 的原理与区别是什么?

    原题
  2. 模型评估的核心目标是什么?常用的模型评估方法有哪些?

    原题
  3. 什么是交叉验证?为什么要做交叉验证?常见的交叉验证方式有哪些?深度学习场景使用有什么注意事项?

    原题
  4. 介绍一下精确率、召回率、F1 分数的定义与各自的适用场景?

    原题
  5. 什么是 ROC 曲线与 AUC 值?它和 PR 曲线的核心差异及适用场景是什么?类别不平衡场景为什么优先用 PR 曲线?

    原题
  6. 什么是泛化误差?如何用偏差-方差的权衡关系指导模型调优?

    原题
  7. AIGC 生成模型(大语言模型、文生图扩散模型)的评估和传统判别模型有什么核心区别?

    原题