深度学习面试题-图像算法.doc

第

第PAGE1页

目录

TOC\o1-3\h\u46441.神经网络 3

55501.1各个激活函数的优缺点？ 4

222391.2为什么ReLU常用于神经网络的激活函数？ 4

259371.3梯度消失和梯度爆炸的解决方案？梯度爆炸引发的问题？ 5

255011.4如何确定是否出现梯度爆炸？ 5

196481.5神经网络中有哪些正则化技术？ 5

6291.6批量归一化(BN)如何实现？作用？ 6

303131.7神经网络中权值共享的理解？ 6

250931.8对fine-tuning(微调模型)的理解？为什么要修改最后几层神经网络权值？ 6

298751.9什么是Dropout？为什么有用？它是如何工作的？ 6

308071.10如何选择dropout的概率？ 6

178791.11什么是Adam？Adam和SGD之间的主要区别是什么？ 7

291241.12为什么Momentum可以加速训练？ 7

60531.13什么时候使用Adam和SGD？? 7

133671.14batchsize和epoch的平衡 8

210741.15SGD每步做什么，为什么能onlinelearning？ 8

3161.16学习率太大(太小)时会发生什么？如何设置学习率？? 8

273231.17神经网络为什么不用拟牛顿法而是用梯度下降？ 8

219441.18BN和Dropout在训练和测试时的差别? 9

163251.19若网络初始化为0的话有什么问题？ 9

236201.20sigmoid和softmax的区别？softmax的公式？ 9

91551.21改进的softmax损失函数有哪些？ 10

121601.22深度学习调参有哪些技巧？ 10

312431.23神经网络调参，要往哪些方向想？ 10

214641.24深度学习训练中是否有必要使用L1获得稀疏解? 11

210161.25神经网络数据预处理方法有哪些？中心化/零均值，归一化 11

195981.26如何初始化神经网络的权重？?神经网络怎样进行参数初始化？ 11

299421.27为什么构建深度学习模型需要使用GPU？ 11

35981.28前馈神经网络(FNN),递归神经网络(RNN)和CNN区别? 11

160701.29神经网络可以解决哪些问题？ 11

245261.30如何提高小型网络的精度？ 11

116711.31列举你所知道的神经网络中使用的损失函数 11

46841.32什么是鞍点问题？梯度为0，海森矩阵不定的点，不是极值点。 12

61271.33网络设计中，为什么卷积核设计尺寸都是奇数？ 12

209712.CNN 12

206652.1卷积神经网络的结构 12

260412.2Keras搭建CNN 12

275022.2经典网络分类 13

249332.2.1LeNet 13

109272.2.2AlexNet 14

194412.2.3VGG 14

134972.2.4Inception(GoogLeNet) 15

22752.2.5ResNet 15

174882.2.6DenseNet 15

327652.3卷积层有哪些基本参数？ 16

5242.4如何计算卷积层的输出的大小？ 16

81382.5如何计算卷积层参数数量？ 16

207992.6有哪些池化方法？ 16

311062.71*1卷积的作用？ 16

298922.8卷积层和池化层有什么区别？ 16

268942.9卷积核是否一定越大越好？ 17

213602.10卷积在图像中有什么直观作用? 17

46642.11CNN中空洞卷积的作用是什么？ 17

84572.12怎样才能减少卷积层参数量？ 17

10972.13在进行卷积操作时，必须同时考虑通道和区域吗？ 17

61192.14采用宽卷积,窄卷积的好处有什么？ 17

80942.15介绍反卷积(转置卷积) 17

42712.16如何提高卷积神经网络的泛化能力？ 18

299622.17卷积神经网络在NLP与CV领域应用的区别? 18

288672.18全连接、局部连接、全卷积与局部卷积的区别？ 19

217412.19卷积层和全连接层的区别？ 19

279982.20Maxpooling如何工作？