深度學習(三)----算法崗面試題
● 神經網絡為啥用交叉熵。 參考回答： 通過神經網絡解決多分類問題時，最常用的一種方式就是在最后一層設置n個輸出節點，無論在淺層神經網絡還是在CNN中都是如此，比如，在AlexNet中最后的輸 ...
原文：深度學習面試題
.列舉常見的一些范數及其應用場景，如L ，L ，L ，L ，Frobenius范數 答：p p 還有p p 有regularization的應用 .簡單介紹一下貝葉斯概率與頻率派概率，以及在統計中對於真實參數的假設。 答：p .概率密度的萬能近似器 答：p ： . 上面那一段 .簡單介紹一下sigmoid，relu，softplus，tanh，RBF及其應用場景 答：sigmoid和softpl ...
2018-03-03 10:56 2 1503 推薦指數：
相關推薦
（一）深度學習基礎部分面試題
的依賴關系和數學操作 2、你有哪些深度學習（rnn、cnn）調參的經驗？ https://www.j ...
深度學習崗位面試題
1: LSTM結構推導，為什么比RNN好？ 答案：推導forget gate，input gate，cell state， hidden information等的變化；因為LSTM有進有出且當前的c ...
深度學習(一)-------算法崗面試題
的分布拉回到標准化的分布,使得激活函數的輸入值落在激活函數對輸入比較敏感的區域,從而使梯度變大,加快學習收 ...
深度學習(二)-----算法崗面試題
● 深度學習了解多少，有看過底層代碼嗎？caffe,tf? ● 除了GMM-HMM，你了解深度學習在語音識別中的應用嗎？ 參考回答： 講了我用的過DNN-HMM，以及與GMM-HMM的聯系與區別；然后RNN+CTC，這里我只是了解，大概講了一下CTC損失的原理；然后提了一下 ...
深度學習面試題33：RNN的梯度更新(BPTT)
目錄 定義網絡 梯度反向傳播 梯度更新 面試時的變相問法 參考資料 BPTT(back-propagation through time)算法是常用的訓練RNN的方法，其實本質還是BP算法，只不過RNN處理時間序列數據，所以要基於時間反向傳播，故叫隨時間反向傳播 ...
深度學習面試題02：標准梯度下降法
目錄 一元函數的梯度下降法 多元函數的梯度下降法 參考資料 梯度下降是一種迭代式的最優化手段，在機器學習中一般用於求目標函數的極小值點，這個極小值點就是最優的模型內部參數。相比求解析解的手段，GD的通用性更強，所以受到廣泛的使用。 一元函數 ...
深度學習面試題30：卷積的梯度反向傳播
算法部門的一道面試題。 其實這個題目並不難，我們舉一個例子，然后結合pytorch工具做驗證。 ...