关键词：
56. 已知：
- 大脑是有很多个叫做神经元的东西构成，神经网络是对大脑的简单的数学表达。
- 每一个神经元都有输入、处理函数和输出。
- 神经元组合起来形成了网络，可以拟合任何函数。
- 为了得到最佳的神经网络，我们用梯度下降方法不断更新模型
给定上述关于神经网络的描述，什么情况下神经网络模型被称为深度学习模型？
A. **加入更多层，使神经网络的深度增加**
B. 有维度更高的数据
C. 当这是一个图形识别的问题时
D. 以上都不正确
解析：A，更多层意味着网络更深。没有严格的定义多少层的模型才叫深度模型，目前如果有超过2层的隐层，那么也可以及叫做深度模型。
57. 训练CNN时，可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。这么说是对，还是不对？
A.对
B.不对
解析：对。训练CNN时，可以进行这些操作。当然也不一定是必须的，只是data augmentation扩充数据后，模型有更多数据训练，泛化能力可能会变强。
58. 下面哪项操作能实现跟神经网络中Dropout的类似效果?
A.Boosting
B.Bagging
C.Stacking
D.Mapping
解析：B。Dropout可以认为是一种极端的Bagging，每一个模型都在单独的数据上训练，同时，通过和其他模型对应参数的共享，从而实现模型参数的高度正则化。
59. CNN的卷积核是单层的还是
人工智能深度学习机器学习常见面试题71~82
目录71.广义线性模型是怎被应用在深度学习中？72.如何解决梯度消失和梯度膨胀？ 查看详情
人工智能深度学习机器学习常见面试题201~220
目录201.什么是迁移学习？202.为什么需要迁移学习？203.迁移学习的基本问题有哪些？ 查看详情
人工智能深度学习机器学习常见面试题101~120
目录101.列出几种文本特征提取算法102.如何看懂深度学习论文里的数学原理部分？ 查看详情
人工智能深度学习机器学习常见面试题83~100
目录83.神经网络中的Epoch、Iteration、Batchsize84.反向传播85.关于深度学习中卷积核操作86.池化（Pooling） 查看详情
人工智能深度学习机器学习常见面试题141~160
目录141.什么是OOB？随机森林中OOB是如何计算的，它有什么优缺点？ 查看详情
人工智能深度学习机器学习常见面试题281~300
目录281.什么是推荐系统？282.离线推荐283.推荐系统常用特征数据 284.协同过滤算法 查看详情
人工智能深度学习机器学习常见面试题21~40
目录21.如何进行特征选择？22.为什么会产生过拟合，有哪些方法可以预防或克服过拟合？ 查看详情
人工智能深度学习机器学习常见面试题241~260
目录241.线性分类器与非线性分类器的区别以及优劣242.贝叶斯网络243.因子图 查看详情
人工智能深度学习机器学习常见面试题221~240
目录221.什么是逻辑回归？222.什么是Sigmoid函数？223.损失函数是什么？ 224.逻辑回归有什么优点？ 查看详情
人工智能深度学习机器学习常见面试题181~200
目录181.什么是神经网络？182.神经网络的结构183.为什么神经网络具有非线性切分能力？ 查看详情
人工智能深度学习机器学习常见面试题321~324
目录321.什么是XLNet？322.自回归语言模型（AutoregressiveLM）323.自编码语言模型（AutoencoderLM）324.XLNet与BERT比较 查看详情
人工智能深度学习机器学习常见面试题41~55
目录41.偏差和方差的平衡？42.介绍卷积神经网络，和DBN有什么区别？43.LSTM结构推导&#x 查看详情
人工智能深度学习机器学习常见面试题261~280
目录261.常见的几种最优化方法262.主成分分析（PCA）263.降维的必要性264.降维的目的 查看详情
人工智能深度学习机器学习常见面试题161~180
目录161.谈谈判别式模型和生成式模型？162.L1和L2的区别。163.LSTM结构推导，为什么比RNN好？ 查看详情
人工智能深度学习机器学习常见面试题301~320
目录301.什么是共现矩阵？302.分布式表示303.什么是sense2vec？304.词嵌入为何不采用one-hot向量 查看详情
人工智能深度学习机器学习常见面试题121~140
121.逻辑斯蒂回归能否解决非线性分类问题？122.SVM的主要特点 （1）非线性映射-理论基础 （2）最大化分类边界-方法核心 （3）支持向量-计算结果 （4）小样本学习方法 （5）最终的决策函数只有少量支持向量... 查看详情
持续更新机器学习常见面试题
统计学习的核心步骤模型、策略、算法如何解决正负样本不平衡特征选择的方法过拟合的解决方法在模型的训练迭代中，怎么评估效果L1和L21.L2惩罚项是怎么减小Overfitting的？L1，L2等范数的通式是什么？他们之间... 查看详情
计算机视觉岗常见面试题
...题2：BatchNorm层的详细解读(具体可以参考之后出版的百面深度学习2333)作用：使得每层的输入/输出分布更加稳定，避免参数更新和网络层次变深大幅度影响数据分布。从而使模型训练更稳定。参数?β?和?γ的作用保留网络各... 查看详情