深度学习(三)----算法岗面试题
● 神经网络为啥用交叉熵。 参考回答： 通过神经网络解决多分类问题时，最常用的一种方式就是在最后一层设置n个输出节点，无论在浅层神经网络还是在CNN中都是如此，比如，在AlexNet中最后的输 ...
原文：深度学习面试题
.列举常见的一些范数及其应用场景，如L ，L ，L ，L ，Frobenius范数 答：p p 还有p p 有regularization的应用 .简单介绍一下贝叶斯概率与频率派概率，以及在统计中对于真实参数的假设。 答：p .概率密度的万能近似器 答：p ： . 上面那一段 .简单介绍一下sigmoid，relu，softplus，tanh，RBF及其应用场景 答：sigmoid和softpl ...
2018-03-03 10:56 2 1503 推荐指数：
相关推荐
（一）深度学习基础部分面试题
的依赖关系和数学操作 2、你有哪些深度学习（rnn、cnn）调参的经验？ https://www.j ...
深度学习岗位面试题
1: LSTM结构推导，为什么比RNN好？ 答案：推导forget gate，input gate，cell state， hidden information等的变化；因为LSTM有进有出且当前的c ...
深度学习(一)-------算法岗面试题
的分布拉回到标准化的分布,使得激活函数的输入值落在激活函数对输入比较敏感的区域,从而使梯度变大,加快学习收 ...
深度学习(二)-----算法岗面试题
● 深度学习了解多少，有看过底层代码吗？caffe,tf? ● 除了GMM-HMM，你了解深度学习在语音识别中的应用吗？ 参考回答： 讲了我用的过DNN-HMM，以及与GMM-HMM的联系与区别；然后RNN+CTC，这里我只是了解，大概讲了一下CTC损失的原理；然后提了一下 ...
深度学习面试题33：RNN的梯度更新(BPTT)
目录 定义网络 梯度反向传播 梯度更新 面试时的变相问法 参考资料 BPTT(back-propagation through time)算法是常用的训练RNN的方法，其实本质还是BP算法，只不过RNN处理时间序列数据，所以要基于时间反向传播，故叫随时间反向传播 ...
深度学习面试题02：标准梯度下降法
目录 一元函数的梯度下降法 多元函数的梯度下降法 参考资料 梯度下降是一种迭代式的最优化手段，在机器学习中一般用于求目标函数的极小值点，这个极小值点就是最优的模型内部参数。相比求解析解的手段，GD的通用性更强，所以受到广泛的使用。 一元函数 ...
深度学习面试题30：卷积的梯度反向传播
算法部门的一道面试题。 其实这个题目并不难，我们举一个例子，然后结合pytorch工具做验证。 ...