题库深度学习面试题型介绍及解析
7页1、1简述激活函数的作用使用激活函数的目的是为了向网络中加入非线性因素;加强网络的表示能 力,解决线性模型无法解决的问题为什么加入非线性因素能够加强网络的表示能力?一一 神经网络的万能近 似定理神经网络的万能近似定理认为主要神经网络具有至少一个非线性隐藏 层,那么只要给予网络足够数量的隐藏单元,它就可以以任意的精度来 近似任何从一个有限维空间到另一个有限维空间的函数。如果不使用非线性激活函数,那么每一层输出都是上层输入的线性组 合;此时无论网络有多少层,其整体也将是线性的,这会导致失去万能 近似的性质但仅部分层是纯线性是可以接受的,这有助于减少网络中的参数。3如何解决训练样本少的问题?1利用预训练模型进行迁移微调(fine-tuning ),预训练模型通常在特 征上拥有很好的语义表达。此时,只需将模型在小数据集上进行微调就 能取得不错的效果。CV有ImageNet , NLP有BERT等。2数据集进行下采样操作,使得符合数据同分布。3数据集增强、正则或者半监督学习等方式来解决小样本数据集的训练 问题。4如何提升模型的稳定性?1正则化(L2, L1, dropout ):模型方差大,很可能来
2、自于过拟合。正 则化能有效的降低模型的复杂度,增加对更多分布的适应性。2前停止训练:提前停止是指模型在验证集上取得不错的性能时停止训 练。这种方式本质和正则化是一道理,能减少方差的同时增加的偏 差。目的为了平衡训练集和未知数据之间在模型的表现差异。3扩充训练集:正则化通过控制模型复杂度,来增加更多样本的适应 性。4特征选择:过高的特征维度会使模型过拟合,减少特征维度和正则一 样可能会处理好方差问题,但是同时会增大偏差。5你有哪些改善模型的思路?1数据角度增强数据集。无论是有监督还是无监督学习,数据永远是最重要的驱动 力。更多的类型数据对良好的模型能带来更好的稳定性和对未知数据的 可预见性。对模型来说,“看到过的总比没看到的更具有判别的信 心”。2模型角度模型的容限能力决定着模型可优化的空间。在数据量充足的前提下,对同类型的模型,增大模型规模来提升容限无疑是最直接和有效的手段。3调参优化角度如果你知道模型的性能为什么不再提高了,那已经向提升性能跨出了一 大步。超参数调整本身是一个比较大的问题。一般可以包含模型初始化 的配置,优化算法的选取、学习率的策略以及如何配置正则和损失函数4训练角度
《题库深度学习面试题型介绍及解析》由会员ni****g分享,可在线阅读,更多相关《题库深度学习面试题型介绍及解析》请在金锄头文库上搜索。
2020年简历模板-求职简历模板下载-简历模板下载-个人简历word简历4706.doc
水质分析的化验方法.doc
数据库课程设计汽车销售系统
安全生产规章制度目录清单doc.doc
波罗汽油滤芯安装.doc
生产经理的辞职报告
大连代办房屋租赁合同律师版(六篇)
2022-2023学年湖南省益阳市桃江县中考生物押题试卷含解析.doc
BT项目回购方式创新问题研究
二次函数复习.doc
2023年贵州省事业单位联考职业能力倾向测验C类真题.docx
南宁市建设工程施工现场管理制度.doc
企业质量通用记录表样本.doc
人教版高一语文必修一《诗两首》教案
东北财经大学21秋《公关社交礼仪》在线作业二满分答案55
七年级(上)生物期末模拟考试题
岩体力学期末考试复习试题集.doc
民营企业人力资源管理问题的对策研究报告
安全生产责任制考核制度
2023教案人教版二年级上册语文的期末试题.docx
2023-01-06 4页
2023-04-05 30页
2024-01-29 2页
2023-07-27 10页
2024-02-07 10页
2023-10-25 8页
2022-08-12 2页
2023-01-18 32页
2024-01-21 3页
2023-07-30 19页