干货|深度学习面试问答集锦

问答集锦

No.1 什么是深度学习？

No.2什么是神经网络？

No.3什么是多层感知机（MLP）？

No.4 什么是数据标注化，为什么需要它？

No.5 什么是玻尔兹曼机？

No.6 激活函数在神经网络中的作用？

No.7 什么是代价函数？

No.8 什么是梯度下降？

No.9 怎么理解反向传播？

No.10 前馈神经网络和循环神经网络的区别

No.11 循环神经网络有哪些应用？

No.12 Softmax是什么和Relu激活函数的作用？

No.13 什么是超参数？

No.14 学习率太大或者太小会有什么影响？

No.15 Dropout和Batch Normalization的作用？

No.16 Batch 梯度下降和随机梯度下降的区别？

No.17 解释过拟合和欠拟合，并如何解决？

No.18 怎么初始化神经网络？

No.19 CNN中，conv layer、ReLu layer、Pooling layer、Fully connected layer的区别？

No.20 CNN中，Pooling层是什么，它的作用是？

No.21 LSTM 网络 如何工作？

No.22 什么是梯度消失和梯度爆炸？

No.23 Epoch、Batch、Iteration在DL中的区别？

No.24 Tensorflow作为优先选择的深度学习框架，它的优势有哪些？

No.25 Tensorflow 中，Tensor的意思？

No.26 Tensorflow 中，Constants、Variables、Placeholders、Session的概念？

No.27 如何理解Tensorflow中的计算流图？

No.28 拿一个例子，解释生成对抗网络

No.29 什么是auto-encoder?

No.30 Bagging 和Boosting是什么？