深度学习-第一章 神经网络面试题(大厂必问,历经半年整理)

文章目录

  • 老铁们✌,重要通知!福利来了!!!
  • 1.神经网络
    • 1.1各个激活函数的优缺点?
    • 1.2 为什么ReLU常用于神经网络的激活函数?
    • 1.3 梯度消失和梯度爆炸的解决方案?梯度爆炸引发的问题?
    • 1.4 如何确定是否出现梯度爆炸?
    • 1.5 神经网络中有哪些正则化技术?
    • 1.6 批量归一化(BN) 如何实现?作用?
      • 1.6.1 BN为什么防止过拟合?
    • 1.7 谈谈对权值共享的理解?
    • 1.8 对fine-tuning(微调模型)的理解?为什么要修改最后几层神经网络权值?
    • 1.9 什么是Dropout?原理?为什么有用?它是如何工作的?
    • 1.10 如何选择dropout 的概率?
    • 1.11 什么是Adam&

你可能感兴趣的:(计算机视觉,神经网络,算法,tensorflow)