跳到主要内容
面试之前,先来面栈
搜索
题库
/
模型基础与推理
模型基础与推理
8
个专题 ·
179
道题
专题概览
题目列表
179
模型基础与推理面试题
继续复习
→
待复习
0
知识专题
知识专题
多模态与生成模型
机器学习与推荐系统
模型架构与表示
模型选型与能力边界
推理优化与模型压缩
推理与解码
Tokenizer 与位置编码
Transformer 与注意力
知识专题
知识专题
找到
8
个专题
知识专题
✓
多模态与生成模型
✓
机器学习与推荐系统
✓
模型架构与表示
✓
模型选型与能力边界
✓
推理优化与模型压缩
✓
推理与解码
✓
Tokenizer 与位置编码
✓
Transformer 与注意力
✓
未找到匹配专题
问题类型
问题类型
比较选型
代码题
方案设计
概念解释
故障排查
技术决策
经历介绍
开放讨论
系统设计
项目深挖
效果评估
原理机制
问题类型
技术难度
技术难度
基础
进阶
深入
技术难度
复习状态
复习状态
未标记
待复习
已掌握
复习状态
已筛选
清除筛选
共
179
道题
开始复习 →
排序:
排序
相关面经最多
题集收录最多
题号顺序
最新更新
题号
题目
技术难度
收录情况
复习状态
3199
除了 CNN,还了解哪些视觉模型架构?
模型基础与推理
多模态与生成模型
原理机制
已有答案
面前必看
基础
暂无面经
除了 CNN,还了解哪些视觉模型架构?的复习状态
未标记
待复习
已掌握
›
3295
RQVAE 的原理是什么,为什么有效?
模型基础与推理
机器学习与推荐系统
原理机制
已有答案
面前必看
进阶
暂无面经
RQVAE 的原理是什么,为什么有效?的复习状态
未标记
待复习
已掌握
›
3296
HSTU 使用 Beam Search 时如何避免首个 ID 预测错误导致正确结果被剪枝?
模型基础与推理
机器学习与推荐系统
方案设计
已有答案
面前必看
进阶
暂无面经
HSTU 使用 Beam Search 时如何避免首个 ID 预测错误导致正确结果被剪枝?的复习状态
未标记
待复习
已掌握
›
3298
分类模型常用哪些损失函数?
模型基础与推理
机器学习与推荐系统
概念解释
已有答案
面前必看
进阶
暂无面经
分类模型常用哪些损失函数?的复习状态
未标记
待复习
已掌握
›
3299
分类中 CE 或 BCE 为什么通常优于 MSE?
模型基础与推理
机器学习与推荐系统
比较选型
已有答案
面前必看
进阶
暂无面经
分类中 CE 或 BCE 为什么通常优于 MSE?的复习状态
未标记
待复习
已掌握
›
3300
预测模型常用哪些损失函数?
模型基础与推理
机器学习与推荐系统
概念解释
已有答案
面前必看
进阶
暂无面经
预测模型常用哪些损失函数?的复习状态
未标记
待复习
已掌握
›
3301
如何处理样本不均衡与长尾问题?
模型基础与推理
机器学习与推荐系统
方案设计
已有答案
面前必看
进阶
暂无面经
如何处理样本不均衡与长尾问题?的复习状态
未标记
待复习
已掌握
›
3302
Focal Loss 的原理是什么?
模型基础与推理
机器学习与推荐系统
原理机制
已有答案
面前必看
进阶
暂无面经
Focal Loss 的原理是什么?的复习状态
未标记
待复习
已掌握
›
3303
过采样或欠采样后如何加权,避免样本偏差?
模型基础与推理
机器学习与推荐系统
方案设计
已有答案
面前必看
进阶
暂无面经
过采样或欠采样后如何加权,避免样本偏差?的复习状态
未标记
待复习
已掌握
›
3304
正则化的作用与原理是什么?
模型基础与推理
机器学习与推荐系统
原理机制
已有答案
面前必看
基础
暂无面经
正则化的作用与原理是什么?的复习状态
未标记
待复习
已掌握
›
3199
除了 CNN,还了解哪些视觉模型架构?
模型基础与推理
多模态与生成模型
原理机制
已有答案
面前必看
基础
暂无面经
除了 CNN,还了解哪些视觉模型架构?的复习状态
未标记
待复习
已掌握
›
未找到相关题目
换个关键词,或清除筛选。
清除筛选
共
179
道题 · 显示 131–140 道
上一页
1
…
13
14
15
…
18
14 / 18
下一页
启用 JavaScript 后可筛选和浏览完整题库;当前显示前 10 道题。