算法工程师岗位面试必备，讲透深度学习面试题，详解人工智能生成式任务与AI大模型面试题
DeepLearning-Interview-Awesome-2024
- 算法工程师岗位面试必备，讲透深度学习面试题，详解人工智能生成式任务与AI大模型面试题
实时更新题解链接：https://github.com/315386775/DeepLearing-Interview-Awesome-2024
记得点个关注！
⏰深度学习面试题
| 01.卷积和BN如何融合提升推理速度 |
|---|
| 02.多卡BN如何处理 |
| 03.TensorRT为什么能让模型跑更快 |
| 04.损失函数的应用-合页损失 |
| 05.Pytorch DataLoader的主要参数有哪些 |
| 06.神经网络引入注意力机制后效果降低的原因 |
| 07. 为什么交叉熵可以作为损失函数 |
| 08. 优化算法之异同 SGD/AdaGrad/Adam |
🍳视觉感知算法
| 01.人脸识别任务中，ArcFace为什么比CosFace效果好 |
|---|
| 02. FCOS如何解决重叠样本，以及centerness的作用 |
| 03. Centernet为什么可以去除NMS，以及正负样本的定义 |
| 04. 介绍CBAM注意力 |
| 05. 介绍mixup及其变体 |
| 06. Yolov5的正负样本定义 |
| 07. Yolov5的一些相关细节 |
| 08. Yolov7的正负样本定义 |
| 09. Yolov8的正负样本定义 |
| 10. Yolov5的Foucs层和Passthrough层有什么区别 |
| 11. DETR的检测算法的创新点 |
| 12. CLIP的核心创新点 |
🏆AIGC与大模型
| 01. LLMM |
|---|
| 02. CLIP |
🚩Leetcode高频100题
| 01. 二分查找 |
|---|
| 02. 快速排序 |
🏳🌈编程语言
| 01. C++中与类型转换相关的4个关键字特点及应用场合 |
|---|
| 02. Python装饰器及其作用 |
| 03. map,lambda,filter,reduce的用法 |