面试问题汇总（持续更新）

目录 深度学习方面 卷积尺寸？计算量？参数数量？感受野？（*） 卷积的变种？ 过拟合怎么办？（*） 样本不均衡怎么办？ BN原理和作用？测试时怎么用？（*） 梯度消失？梯度爆炸？梯度弥散？（*） 介绍droppout？为什么可以防止过拟合？（*） 优化方法 L1和L2正则的特点？ 激活函数优缺点？（*） 激活函数改进？ 初始化方法 卷积核为什么是奇数？ 怎么增大感受野？ 决策树怎么选择特征？ LS

>>阅读原文<<