跳到主要内容
面试之前,先来面栈
题库
/
模型基础与推理
模型基础与推理
8
个专题 ·
179
道题
专题概览
题目列表
179
模型基础与推理面试题
继续复习
待复习
0
知识专题
知识专题
多模态与生成模型
机器学习与推荐系统
模型架构与表示
模型选型与能力边界
推理优化与模型压缩
推理与解码
Tokenizer 与位置编码
Transformer 与注意力
知识专题
知识专题
找到
8
个专题
知识专题
多模态与生成模型
机器学习与推荐系统
模型架构与表示
模型选型与能力边界
推理优化与模型压缩
推理与解码
Tokenizer 与位置编码
Transformer 与注意力
未找到匹配专题
问题类型
问题类型
比较选型
代码题
方案设计
概念解释
故障排查
技术决策
经历介绍
开放讨论
系统设计
项目深挖
效果评估
原理机制
问题类型
技术难度
技术难度
基础
进阶
深入
技术难度
复习状态
复习状态
未标记
待复习
已掌握
复习状态
已筛选
清除筛选
共
179
道题
开始复习
排序:
排序
相关面经最多
题集收录最多
题号顺序
最新更新
题号
题目
技术难度
收录情况
复习状态
3199
除了 CNN,还了解哪些视觉模型架构?
模型基础与推理
多模态与生成模型
原理机制
已有答案
面前必看
基础
暂无面经
除了 CNN,还了解哪些视觉模型架构?的复习状态
未标记
待复习
已掌握
3295
RQVAE 的原理是什么,为什么有效?
模型基础与推理
机器学习与推荐系统
原理机制
已有答案
面前必看
进阶
暂无面经
RQVAE 的原理是什么,为什么有效?的复习状态
未标记
待复习
已掌握
3296
HSTU 使用 Beam Search 时如何避免首个 ID 预测错误导致正确结果被剪枝?
模型基础与推理
机器学习与推荐系统
方案设计
已有答案
面前必看
进阶
暂无面经
HSTU 使用 Beam Search 时如何避免首个 ID 预测错误导致正确结果被剪枝?的复习状态
未标记
待复习
已掌握
3298
分类模型常用哪些损失函数?
模型基础与推理
机器学习与推荐系统
概念解释
已有答案
面前必看
进阶
暂无面经
分类模型常用哪些损失函数?的复习状态
未标记
待复习
已掌握
3299
分类中 CE 或 BCE 为什么通常优于 MSE?
模型基础与推理
机器学习与推荐系统
比较选型
已有答案
面前必看
进阶
暂无面经
分类中 CE 或 BCE 为什么通常优于 MSE?的复习状态
未标记
待复习
已掌握
3300
预测模型常用哪些损失函数?
模型基础与推理
机器学习与推荐系统
概念解释
已有答案
面前必看
进阶
暂无面经
预测模型常用哪些损失函数?的复习状态
未标记
待复习
已掌握
3301
如何处理样本不均衡与长尾问题?
模型基础与推理
机器学习与推荐系统
方案设计
已有答案
面前必看
进阶
暂无面经
如何处理样本不均衡与长尾问题?的复习状态
未标记
待复习
已掌握
3302
Focal Loss 的原理是什么?
模型基础与推理
机器学习与推荐系统
原理机制
已有答案
面前必看
进阶
暂无面经
Focal Loss 的原理是什么?的复习状态
未标记
待复习
已掌握
3303
过采样或欠采样后如何加权,避免样本偏差?
模型基础与推理
机器学习与推荐系统
方案设计
已有答案
面前必看
进阶
暂无面经
过采样或欠采样后如何加权,避免样本偏差?的复习状态
未标记
待复习
已掌握
3304
正则化的作用与原理是什么?
模型基础与推理
机器学习与推荐系统
原理机制
已有答案
面前必看
基础
暂无面经
正则化的作用与原理是什么?的复习状态
未标记
待复习
已掌握
3199
除了 CNN,还了解哪些视觉模型架构?
模型基础与推理
多模态与生成模型
原理机制
已有答案
面前必看
基础
暂无面经
除了 CNN,还了解哪些视觉模型架构?的复习状态
未标记
待复习
已掌握
未找到相关题目
换个关键词,或清除筛选。
清除筛选
共
179
道题 · 显示 131–140 道
上一页
1
…
13
14
15
…
18
14 / 18
下一页
启用 JavaScript 后可筛选和浏览完整题库;当前显示前 10 道题。