跳到主要内容
真面经,好答案。面试之前,先来面栈。
题库
/
模型训练与对齐
训练框架、调参与排障
本分类共
9
个专题 ·
704
道题
专题概览
题目列表
704
训练框架、调参与排障
继续复习
待复习
0
问题类型
问题类型
比较选型
操作实践
代码题
方案设计
概念解释
故障排查
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
136
道题
开始复习
排序:
排序
面经最多
题集最多
题号降序
最近更新
题号
题目
技术难度
收录情况
复习状态
5215
μP 与 μTransfer 如何支持从小模型向大模型迁移超参数?
模型训练与对齐
训练框架、调参与排障
原理机制
已有答案
面前必看
深入
暂无面经
1
份题集
μP 与 μTransfer 如何支持从小模型向大模型迁移超参数?的复习状态
未标记
待复习
已掌握
5216
如何设计大模型分布式训练的检查点、监控与断点恢复?
模型训练与对齐
训练框架、调参与排障
方案设计
已有答案
面前必看
深入
暂无面经
4
份题集
如何设计大模型分布式训练的检查点、监控与断点恢复?的复习状态
未标记
待复习
已掌握
5222
如何根据任务与工程约束选择大模型微调和后训练框架?
模型训练与对齐
训练框架、调参与排障
比较选型
已有答案
面前必看
进阶
暂无面经
5
份题集
如何根据任务与工程约束选择大模型微调和后训练框架?的复习状态
未标记
待复习
已掌握
5246
为什么神经网络需要适当初始化,常见方法如何选择?
模型训练与对齐
训练框架、调参与排障
原理机制
已有答案
面前必看
进阶
暂无面经
9
份题集
为什么神经网络需要适当初始化,常见方法如何选择?的复习状态
未标记
待复习
已掌握
5249
Dropout 为什么有助于缓解过拟合?
模型训练与对齐
训练框架、调参与排障
原理机制
已有答案
面前必看
进阶
暂无面经
5
份题集
Dropout 为什么有助于缓解过拟合?的复习状态
未标记
待复习
已掌握
5250
PyTorch 与 TensorFlow 应如何比较和选择?
模型训练与对齐
训练框架、调参与排障
比较选型
已有答案
面前必看
进阶
暂无面经
6
份题集
PyTorch 与 TensorFlow 应如何比较和选择?的复习状态
未标记
待复习
已掌握
5260
神经网络训练不收敛时如何排查,能否据此否定模型?
模型训练与对齐
训练框架、调参与排障
故障排查
已有答案
面前必看
进阶
暂无面经
8
份题集
神经网络训练不收敛时如何排查,能否据此否定模型?的复习状态
未标记
待复习
已掌握
5286
Faster R-CNN 分阶段训练与端到端联合训练有什么区别?
模型训练与对齐
训练框架、调参与排障
比较选型
已有答案
面前必看
进阶
暂无面经
1
份题集
Faster R-CNN 分阶段训练与端到端联合训练有什么区别?的复习状态
未标记
待复习
已掌握
5300
嵌入模型训练中的 MNR、余弦相似度损失与分类损失应如何比较和选择?
模型训练与对齐
训练框架、调参与排障
比较选型
已有答案
面前必看
进阶
暂无面经
4
份题集
嵌入模型训练中的 MNR、余弦相似度损失与分类损失应如何比较和选择?的复习状态
未标记
待复习
已掌握
5339
梯度下降如何更新参数,步长与收敛条件有何关系?
模型训练与对齐
训练框架、调参与排障
原理机制
已有答案
面前必看
进阶
暂无面经
9
份题集
梯度下降如何更新参数,步长与收敛条件有何关系?的复习状态
未标记
待复习
已掌握
5215
μP 与 μTransfer 如何支持从小模型向大模型迁移超参数?
模型训练与对齐
训练框架、调参与排障
原理机制
已有答案
面前必看
深入
暂无面经
1
份题集
μP 与 μTransfer 如何支持从小模型向大模型迁移超参数?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
136
道题 · 显示 41–50 道
上一页
1
…
4
5
6
…
14
5 / 14
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。