训练与评估
数据增强为什么能缓解过拟合？它对欠拟合问题是否有帮助？为什么？
原题批量大小（Batch Size）的大小对模型训练有哪些影响？过大或过小的批量大小分别会带来什么问题？
原题学习率（Learning Rate）的核心作用是什么？学习率过大或过小会导致哪些训练问题？
原题批量大小和学习率之间是否存在关联？在调整批量大小时，为什么通常需要同步调整学习率？
原题常用的学习率调整策略有哪些（如余弦退火、阶梯下降等）？各自适用于什么场景？
原题在实际项目中，如何选择初始学习率和批量大小？有哪些实用的调试方法？
原题小批量随机梯度下降（Mini-Batch SGD）相比批量梯度下降（BGD）和随机梯度下降（SGD）有哪些优势？
原题正则化的核心目的是什么？它是如何缓解过拟合的？
原题L1正则化和L2正则化的数学形式分别是什么？二者在效果和原理上有哪些核心区别？
原题Dropout的核心原理是什么？训练阶段和测试阶段对Dropout的处理有何不同？为什么要这样处理？
原题
暂无题目