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。

28题目

2页

返回人工智能分类对着练这套

专辑题目

共 28 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

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

中等技术人工智能

前向传播和反向传播在神经网络中分别是如何工作的？

人工智能深度学习神经网络前向传播反向传播

来源 · 深度学习面试题

中等技术人工智能

前馈神经网络和循环神经网络的区别是什么？

人工智能深度学习前馈神经网络循环神经网络

来源 · 深度学习面试题

中等技术人工智能

卷积核越大越好吗？

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

卷积神经网络和循环神经网络（RNN）有什么区别？

人工智能深度学习循环神经网络卷积神经网络

来源 · 深度学习面试题

中等技术人工智能

卷积神经网络是如何处理过拟合问题的？

人工智能深度学习卷积神经网络过拟合

来源 · 深度学习面试题

中等技术人工智能

在选择优化器的过程中，主要看中哪些参数？

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

如何理解卷积层的“深度”？

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

如何理解卷积神经网络中的感受野？

人工智能深度学习卷积神经网络感受野

来源 · 深度学习面试题

中等技术人工智能

如何确定神经网络的层数和神经元数？

人工智能深度学习神经网络

来源 · 深度学习面试题

中等综合公司题库

有了解过哪些边缘端部署方案？

公司题库深度学习部署

来源 · 拼多多面试题

中等技术人工智能

有哪些方法可以减少卷积层参数量？

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

深度学习调参的过程中，Batch 的大小如何选择？

人工智能深度学习

来源 · 深度学习面试题

上一页1 / 2下一页