关键词：
1.BN层的原理和作用？
讲解BN之前，我们需要了解BN是怎么被提出的。在机器学习领域，数据分布是很重要的概念。如果训练集和测试集的分布很不相同，那么在训练集上训练好的模型，在测试集上应该不奏效（比如用ImageNet训练的分类网络去在灰度医学图像上finetune再测试，效果应该不好）。对于神经网络来说，如果每一层的数据分布都不一样，后一层的网络则需要去学习适应前一层的数据分布，这相当于去做了domain的adaptation，无疑增加了训练难度，尤其是网络越来越深的情况。
实际上，确实如此，不同层的输出的分布是有差异的。BN的那篇论文中指出，不同层的数据分布会往激活函数的上限或者下限偏移。论文称这种偏移为**internal Covariate Shift**，internal指的是网络内部。神经网络一旦训练起来，那么参数就要发生更新，除了输入层的数据外(因为输入层数据，我们已经人为的为每个样本归一化)，后面网络每一层的输入数据分布是一直在发生变化的，因为在训练的时候，前面层训练参数的更新将导致后面层输入数据分布的变化。以网络第二层为例：网络的第二层输入，是由第一层的参数和input计算得到的，而第一层的参数在整个训练过程中一直在变化，因此必然会引起后面每一层输入数据分布的改变, 第一层输出变化了，势必会引起第二层输入分布的改变，模型拟合的效果就会变差，也会影响模型收敛的速度（例如我原本的参数是拟合分布A的，然后下一轮更新的时候，样本都是来自分布B的，对于这组参数来说，这些样本就会很陌生），BN就是为了解决偏移的，解决的方式也很简单，就是
计算机视觉图像处理面试笔试题整理——形态学处理
目录1.形态学的基本概念2.膨胀3.腐蚀4.开操作 5.闭操作 6.顶帽操作 查看详情
计算机视觉图像处理面试笔试题整理——边缘检测
目录1.边缘检测综述2.Roberts算子3.Prewitt算子4.Sobel算子5.Laplace算子6.Canny1.边缘检测综述 边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。图像边缘检测大幅度地减少了数据量， 查看详情
计算机视觉图像处理面试笔试题整理——图像配准和图像拼接
目录1.图像配准流程2.关键点检测和特征描述3.什么是SIFT？4.什么是SURF？5.什么是Affine？ 查看详情
计算机视觉图像处理面试笔试题整理——光线追踪&光线投射&路径追踪
目录1.什么是光栅化？2.什么是路径追踪 ？ 3.光线追踪算法实现 1.什么是光栅化？ 我们屏幕上显示的画都是由像素组成的，而三维物体都是点线面构成的。要让点线面，变成能在屏幕上显示... 查看详情
《自然语言处理实战入门》----nlp方向：面试笔试题集
...背后有一张巨大的由实体和关系组成的关系网络，相当于计算机的大脑。根据输入内容联想到相关信息。关系抽取有哪些主要方法?答∶应用传统机器学习或者深度学习的方法进行全监督学习;基于Bootstrap的半监督关系抽取方法;基... 查看详情
计算机视觉岗常见面试题
计算机视觉岗常见面试题问题1：Softmax+CrossEntropy反向求导问题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... 查看详情
网易笔试题——计算机视觉_深度学习方向
选择题知识点：【1】大津法（OSTU算法）阈值分割中，阈值自动选择的思路是： C：最大化类间方差法选择阈值解析：大津法(OTSU)是一种确定图像分割阈值的算法，由日本学者大津于1979年提出；原理上来讲，该方法又称作最... 查看详情
深度学习/机器视觉/数字ic/fpga/算法手撕代码目录总汇
...经典面试题深度学习/人工智能/机器学习面试题数字图像/计算机视觉面试题FPGA/数字IC手撕代码总汇FPGA/数字IC手撕代码1——数据上下边沿检测更新中常用算法手撕代码总汇算法手撕代码1~10更新中FPGA工程师经典面试题FPGA工程师面... 查看详情
java读文件流，持续更新大厂面试笔试题
Part1SpringIOC学习Spring最重要的无非是SpringIOC以及SpringAOP，首先咱们把SpringIOC吃透，以下内容将截图展示。SpringIOC主要学习内容分为以下7点：①Spring框架②SpringlOC容器Bean对象实例化模拟实现③SpringIOC容器Bean对象实例化... 查看详情
《自然语言处理实战入门》----nlp方向：面试笔试题集
...习中的数学https://mml-book.github.io/http://math.itdiffer.com/01.html深度学习500问https://github.com/scutan90/DeepLearning-500-questions 查看详情
《自然语言处理实战入门》----nlp方向：面试笔试题集
...图模型、基于主题分析以及传统机器学习方法。3.如何将深度学习应用于抽取式文本摘要?（P183）答∶既然文本摘要可以当做分类或序列标注任务，很自然地，在有监督学习的框架下，可以利用深度学习来学习... 查看详情
2021年10月份大厂网络工程师面试笔试题题推荐收藏
...人纳入囊中的公司太多了，咳咳，谦虚）。既然大家都是计算机专业即将就业的同道中人，薄荷也经历了几次的面试，对于面试题还是深有体会的，所以接下来，薄荷就和大家分享一下一些常见的面试题，希望各位网工小伙伴一... 查看详情
mysql更改密码为123456命令，持续更新大厂面试笔试题(代码片段)
并发历史在计算机最早期的时候，没有操作系统，执行程序只需要一个过程，那就是从头到尾依次执行。任何资源都会为这个程序服务，这必然就会存在 浪费资源 的情况。这里说的浪费资源指的是资源空闲... 查看详情
《自然语言处理实战入门》----nlp方向：面试笔试题集
...章大纲自然语言处理基础知识自然语言处理与机器学习、深度学习文本的表示技术序列标注关系抽取知识图谱参考文献本文按照自然语言处理的基本逻辑分类组织一批笔试面试常见问题，并给出最本质的核心回答。希望你能用key... 查看详情
spring,hibernate,struts的面试笔试题
Hibernate工作原理及为什么要用？ 原理： 1.读取并解析配置文件 2.读取并解析映射信息，创建SessionFactory 3.打开Sesssion 4.创建事务Transation 5.持久化操作 6.提交事务 7.关闭Session 8.关闭SesstionFactory为... 查看详情
java经典面试笔试题及答案
1.什么是对象序列化,为什么要使用? 所谓对象序列化就是把一个对象以二进制流的方式保存到硬盘上。好处：方便远程调用。2.值传递与引用传递的区别? 所谓值传递就是把一个对象的值传给一... 查看详情
面试笔试题集：集成学习，树模型，randomforests，gbdt，xgboost
文章大纲决策树决策树的优缺点集成学习基本概念sklearn中的集成学习类集成学习分哪几种？他们有何异同？Boosting提升法Bagging装袋法stacking堆叠法方差，偏差与集成学习的关系如何从减小方差和偏差的角度解释Boosting... 查看详情
deeplearning（深度学习）学习笔记整理系列一
...各位前辈不吝指正，谢谢。4）阅读本文需要机器学习、计算机视觉、神经网 查看详情