1. 谈谈深度学习中的归一化问题深度学习中的归一化，核心目的是让不同层、不同特征的数值分布更稳定，从而加速训练并提高收敛稳定性。常见归一化包括输入归一化（如像素缩放到[0,1]）、BatchNorm、LayerNorm、GroupNorm。BatchNorm在mini-batch维度统计均值方差，适合CNN场景；LayerNorm在特征维度统计，常用于NLP和Transformer。归一化可以缓解梯度消失/爆炸、允许更大学习率、降低参数初始化敏感性。 import torch.nn as nn # CNN里常见 BatchNorm2d cnn_block = nn.Sequential( nn...

佬们看看这个简历可以冲大厂吗

双非学校， 八股大概看了一遍，该去投中大厂吗，还是继续沉淀再投。

整体难度应该是低于去年。 题目一 给定区间 ，求其中因子个数为奇数的整数个数。数据范围为 。 解答 因子一般成对出现，只有完全平方数会留下一个未配对的平方根，因此只有完全平方数的因子个数为奇数。 设  则答案为  如果按平方根枚举实现，复杂度是 ；直接用上式计算可做到 。 题目二 已知数列满足  且当  时，  现有  次询问，每次给出一个 ，要求输出 ，其中 。 解答 设 ，预处理  即可。 维护最近  项的窗口和  则有  这样每次转移都是 ，总复杂度为 。 题目三 给定一个无向图，支持  次操作：  1 x：删除编号为  的边； 2 x：查询点  所在连通块中的最大点权。  其中点权定义...