深度学习面试必备的 25 个问题

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达作者 | Tomer Amit译者 | 弯月，责编 | 屠敏出品 | CSDN（ID：CSDNnews）以下为译文：在本文中，我将分享有关深度学习的25个问题，希望能够帮助你为面试做好准备。1.为什么必须在神经网络中引入非线性？答：否则，我们将获得一个由多个线性函数组成的线性函数，那么就成了线性模型。线性模型的参数数量非常少，因此建模的复杂性也会非常有限。2.说明解决神经网络中梯度消失问题的两种方法。答：使用ReLU激活函数代替S激活函数。使用Xavier初始化。3.在图像分类任务中，相较于使用密集神经网络（Dense Neural Network，DNN），使用卷积神经网络（Convolutional Neural Network，CNN）有哪些优势？答：虽然两种模型都可以捕获彼此靠近的像素之间的关系，但CNN具有以下属性：它是平移不变 ………………………………