题单专辑

深度学习面试题

深度学习是基于神经网络的机器学习方法，广泛用于图像识别、语音处理等领域。深度学习面试题的考察重点包括神经网络的基本结构、激活函数、前向传播与反向传播算法、卷积神经网络（CNN）、循环神经网络（RNN）、梯度消失与爆炸、优化算法（如 Adam、SGD）、以及深度学习框架（如 TensorFlow、PyTorch）的使用。

41题目

3页

返回人工智能分类对着练这套

专辑题目

共 41 题 · 可按难度、VIP、练习类型筛选

全部难度简单中等困难 VIP 非 VIP

全部类型综合技术行为面项目

简单技术人工智能

1×1 卷积有什么作用？

人工智能深度学习卷积神经网络

来源 · 深度学习面试题

简单技术人工智能

什么是卷积神经网络（CNN）？请描述其主要组件和应用。

人工智能深度学习卷积神经网络

来源 · 深度学习面试题

简单综合公司题库

什么是深度学习？它与传统机器学习有什么区别？

公司题库深度学习概念

来源 · 腾讯面试题

简单技术人工智能

卷积神经网络为什么比较适合做图像识别任务？

人工智能深度学习卷积神经网络图像识别

来源 · 深度学习面试题

简单技术人工智能

如何理解 ReLU 函数在输入小于 0 时输出为 0?

人工智能深度学习激活函数 ReLU 函数

来源 · 深度学习面试题

简单技术人工智能

如何评估一个深度学习模型的性能？

人工智能深度学习

来源 · 深度学习面试题

简单技术人工智能

描述全连接层和卷积层的区别。

人工智能深度学习卷积神经网络全连接层

来源 · 深度学习面试题

简单技术人工智能

池化操作的原理是什么？

人工智能深度学习卷积神经网络池化

来源 · 深度学习面试题

简单技术人工智能

激活函数在神经网络中有什么作用？

人工智能深度学习神经网络激活函数

来源 · 深度学习面试题

简单技术人工智能

神经网络中的 iteration 和 epoch 相同吗？

人工智能深度学习神经网络

来源 · 深度学习面试题

简单技术人工智能

说说卷积层的基本参数。

人工智能深度学习卷积神经网络

来源 · 深度学习面试题

简单技术人工智能

请你解释步长（stride）的概念，以及它是如何影响卷积层输出大小的。

人工智能深度学习卷积神经网络步长

来源 · 深度学习面试题

中等技术人工智能

Batch Normalization 的作用是什么？

人工智能深度学习神经网络 Batch Normalization

来源 · 深度学习面试题

中等技术人工智能

ReLU 函数比 Sigmoid 和 tanh 函数更好吗？为什么？

人工智能深度学习激活函数 ReLU 函数 Sigmoid 函数 tanh 函数

来源 · 深度学习面试题

中等技术人工智能

什么是局部响应标准化（local response normalization），它可以用于卷积神经网络吗？

人工智能深度学习卷积神经网络局部响应标准化

来源 · 深度学习面试题

中等技术人工智能

什么是循环神经网络（RNN）？请描述其特点和局限性。

人工智能深度学习循环神经网络

来源 · 深度学习面试题

中等技术人工智能

你知道有哪些深度学习优化算法？

人工智能深度学习优化算法

来源 · 深度学习面试题

中等技术人工智能

分别解释二维卷积和三维卷积。

人工智能深度学习卷积神经网络

来源 · 深度学习面试题

中等技术人工智能

分别解释神经网络中的 Dropout 和 Batch Normalization 操作。

人工智能深度学习神经网络 Dropout Batch Normalization

来源 · 深度学习面试题

中等技术人工智能

分别说说深度学习中的 Attention 机制和全连接层。

人工智能深度学习神经网络 Attention 机制全连接层

来源 · 深度学习面试题

上一页1 / 3下一页