计算机视觉基础
为什么需要做特征归一化、标准化？
原题常用常用的归一化和标准化的方法有哪些？
原题介绍一下空洞卷积的原理和作用
原题怎么判断模型是否过拟合，有哪些防止过拟合的策略？
原题除了SGD和Adam之外，你还知道哪些优化算法？
原题阐述一下感受野的概念，并说一下在CNN中如何计算
原题训练神经网络有哪些调参技巧
原题神经网络的深度和宽度分别指的是什么？
原题上采样的原理和常用方式
原题下采样的作用是什么？通常有哪些方式？
原题模型的参数量指的是什么？怎么计算？
原题模型的FLOPs（计算量）指的是什么？怎么计算？
原题有哪些经典的卷积类型？
原题深度可分离卷积的概念和作用
原题神经网络中Addition / Concatenate区别是什么？
原题激活函数是什么？你知道哪些常用的激活函数？
原题神经网络中1×1卷积有什么作用？
原题随机梯度下降相比全局梯度下降好处是什么？
原题如果在网络初始化时给网络赋予0的权重，这个网络能正常训练嘛？
原题为什么要对网络进行初始化，有哪些初始化的方法？
原题增大感受野的方法？
原题神经网络的正则化方法？过拟合的解决方法？
原题梯度消失和梯度爆炸的原因是什么？
原题深度学习为什么在计算机视觉领域这么好？
原题为什么神经网络种常用relu作为激活函数？
原题卷积层和全连接层的区别是什么？
原题什么是正则化？L1正则化和L2正则化有什么区别？
原题常见的损失函数有哪些？你用过哪些？
原题dropout为什么能解决过拟合？
原题深度学习中的batch的大小对学习效果有何影响？
原题PyTorch和TensorFlow的特点分别是什么？
原题Pytorch 多卡并行的时候怎么实现参数共享，通信梯度是指平均梯度，还是最大梯度，还是梯度总和？
原题原题未指定 DataParallel、DistributedDataParallel 及 loss reduction 约定。
数据不平衡的解决方法
原题ReLU函数在0处不可导，为什么还能用？
原题Pooling层的作用以及如何进行反向传播
原题为什么max pooling 要更常用？什么场景下 average pooling 比 max pooling 更合适？
原题为什么要反向传播？手推反向传播公式展示一下
原题CV中的卷积操作和数学上的严格定义的卷积的关系？
原题简述CNN分类网络的演变脉络及各自的贡献与特点
原题神经网络的优缺点？
原题Softmax+Cross Entropy如何反向求导？
原题有什么数据增强的方式？
原题为什么在模型训练开始会有warm up？
原题VGG使用3*3卷积核的优势是什么?
原题什么是Group Convolution
原题训练过程中,若一个模型不收敛,那么是否说明这个模型无效?导致模型不收敛的原因有哪些?
原题Relu比Sigmoid的效果好在哪里?
原题Batch Normalization的作用
原题GAN网络的思想
原题Attention机制的作用
原题怎么提升网络的泛化能力
原题CNN为什么比DNN在图像识别上更好
原题本来源中的 DNN 指全连接深层网络。
DNN的梯度是如何更新的？
原题Depthwise 卷积实际速度与理论速度差距较大，解释原因。
原题
暂无题目