计算机视觉基础

题集来源:Datawhale(datawhalechina)收录项目:daily-interview查看原题集

题目目录

54 道原题
  1. 增大感受野的方法?

    原题
  2. 神经网络的正则化方法?过拟合的解决方法?

    原题
  3. 梯度消失和梯度爆炸的原因是什么?

    原题
  4. 深度学习为什么在计算机视觉领域这么好?

    原题
  5. 为什么神经网络种常用relu作为激活函数?

    原题
  6. 卷积层和全连接层的区别是什么?

    原题
  7. 什么是正则化?L1正则化和L2正则化有什么区别?

    原题
  8. 常见的损失函数有哪些?你用过哪些?

    原题
  9. dropout为什么能解决过拟合?

    原题
  10. 深度学习中的batch的大小对学习效果有何影响?

    原题