求职刷题神器

funit.cn

讨论区 > 求职面经 > 阿里深度学习算法面经

阿里深度学习算法面经

む漠视
发布于2021-02-24 15:38:15 41浏览
面经中主要技能点

1.风格迁移 gram矩阵,计算特征相关性 最小化特征层损失可以重构图像

2.Adversarial Loss  在所有训练样本上,基于判别器的概率定义 generative loss 

3.反卷积,低维特征映射到高维,自编码器

4.网络参数越接近输出层越容易训练。

5.mobleNet

6.防止过拟合:采用权重正则化(产生较为简单的模型得到系数解,减小不重要的参数对最后结果的影响),BN,增加样本,Dropout。欠拟合:丢数据,增加模型复杂度

7.Inpaint:门控卷积,局部卷积

8.Drop 层测试时候不需要 因为都是学习的参数

9.Faster rcnn较为准确,但是慢十倍

10.Faster RCNN中 anchor 只用在最后一个卷积层,但是在SSD中,default box 是应用在多个不同层的feature map上

11.BN:可以事先将特征去相关,模型的输入特征不相关且满足标准正态分布N(0, 1)时,模型的表现一般较好。初始时加速训练速度,具有快速训练收敛的特性。消除W放大缩小的影响解决梯度消失与梯度爆炸。

12.ResNet 反向求导有1,缺点可能很多层无用,densnet 缓解梯度消失问题,加强特征传播,鼓励特征复用,极大的减少了参数量,特征利用率大 收敛块 缺点特征爆炸DneseNet在训练时十分消耗内存

本文首次发布于趣IT ,转载请注明出处,谢谢合作

阿里深度学习算法面经

全部评论0

成为第一个评论的人

还可以上传7

表情
热帖排行
热门话题
  1. 531人参与
  2. 243人参与
  3. 153人参与
  4. 98人参与
  5. 25人参与
  • 微信扫码加好友进群