面试题

1. 简述AI任务中常见的指标

2. 简述你知道的激活函数

3. 说一下感受野

4.权重初始化的方法？

5. 描述一下优化算法

6. add与concat之间的区别

7. 说一下bp

8. 描述下cv中的attention

9. 描述下DenseNet

10. dropout上

11. dropout下(为什么Dropout与BN不和谐共处)

12. 在Backbone不变的情况下，若显存有限，如何增大训练时的batchsize

13. 描述一下IOU

14. 描述一下L1与L2的比较

15. labelsmoothing的数学推导等

16. 各种归一化的汇总

17. 你了解的重参数技巧

18. 具体阐述一下ResNet网络的细节，你知道的ResNet网络的相关变种有哪些

19. sigmoid与softmax的区别与联系

20. softmax及其相关变形

21. 描述下1 x1卷积

22. 说一下im2col

23. 说一下RNN/LSTM/GRU等优势与劣势

24. 写一下NMS

25. NMS存在哪些优化

26. CNN参数与卷积输出大小计算

27. 出现过拟合怎么办？

28. 为什么深度学习模型初始化参数不能为0？

29. 神经网络模型不收敛，有哪些原因？

写代码

1. 全连接层前向与反向传播代码 2. Dropout前向与反向 3. 激活函数之ReLu/Sigmoid/Tanh前向与反向传播 4. 卷积层与池化层前向与反向传播 5. BatchNorm2d前向反向传播 6. Flatten层前向与反向传播 7. 交叉熵损失函数前向与反向传播 8. 优化器代码