深度学习常见问题

1.将 100 个大小为 5 x 5 的滤波器应用于 500 x 500 x 3 的图像,输出结果是什么?

本题目考察卷积公式:

先计算一个滤波器输出的结果,输出结果高度为(矩形情况下):,其中为图像输入高度,为滤波器尺寸,为填充大小,为步长。

本题目中=500,=5,(无填充),=1。

所以输出图像高度为:

而滤波器数量为100,所以输出为

2.梯度下降法的标准方程是什么?

3.什么是生产对抗式网络?

生产对抗式网络是一种机器学习模型,由两个神经网络组成:生成器和判别器。生成器网络基于随机噪声输入生成的新的数据样本,判别器网络评估这些生成的样本,并将其与真实数据样本比较,以确定它们是真实的还是伪造的。通过迭代学习,生成器不断提高生产逼真样本的能力,而判别器不断提升区分真是样本和伪造样本的能力。

4.卷积神经网络的输出方程是什么?

单个输出的典型方程可以表示为:output=activation_function(sum(weight_i*input_i+bias))

weight_i和input_i分别表示第i个卷积核的权重和输入。

5.什么是深度学习?什么是机器学习?

深度学习是机器学习的一个分支。机器学习包含所有"让计算机利用经验改善性能的算法",例如决策树、支持向量机、朴素贝叶斯,也包括深度学习。

深度学习和传统机器学习的区别在于,深度学习不需要人类手动将数据转化为机器能理解的特征向量,而深度学习可以实现对数据的端到端的处理

6.什么是overfit(过拟合)?

模型在训练数据上拟合的过好,把训练数据中的一些噪声当成了普适规律,导致在测试集上表现得很糟糕。过拟合的特征是验证集损失曲线先降后升,权重过大或者剧烈震荡。

7.如何防止过拟合?

增加数据量,数据增强,降低模型复杂度等等。

8.什么是正则化?L1正则化和L2正则化的区别是什么?

正则化的本质就是在损失函数里加入惩罚项,限制模型的复杂度。

L1正则化是权重的绝对值之和,L2正则化是权重的平方和。

L1正则化会让不重要的特征归0。L2正则化会让权重整体变小,但不会恰好为0,每个特征都保留一点点贡献。

9.什么是attention机制?

输入四个向量a1、a2、a3、a4,每一个向量都可以生产自己的三个q、k、v向量。

输出向量b1,b1是由a1的q向量和其他所有的向量的k、v向量逐个点积而成。

10.什么是自监督学习?

自监督学习的特征就是数据自己生产问题+数据自己提供答案。

相关推荐
谙弆悕博士8 分钟前
多智能体架构详解:网状去中心化架构(Mesh对等P2P)
人工智能·架构·去中心化·p2p·多智能体·智能体·langgraph
吴佳浩7 小时前
我把 HAMi 摆回一台双卡机器上跑了一遍:GPU 编排的性能账,到底记在谁头上
人工智能·gpu
forest_0911 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区12 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔12 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区12 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM12312 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI12 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健13 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程