下面的题都是来自于牛客网的面试宝典1.用过哪些移动端深度学习框架？开源的有：小米的MACE，骁龙的SNPE，腾讯的FeatherCNN和ncnn，百度的mobile-deep-learning(MDL)；caffe、tensorflow lite都有移动端，只是可能没有上面的框架效率高。2.BN层的作用，为什么要在后面加伽马和贝塔，不加可以吗BN可以认为是在每一层的输入和上一层的输出之间加入一个计

全连接神经网络的两大缺陷:(1)在原理方面上：BP神经网络仍然是有监督的传统机器学习方法根据上图可知，网络对原图进行特征提取和分类，最后由人工标注好的标签判断原图中是否存在猫。（2）在结构方面上：参数居多，容易丢失空间信息如果一个隐藏层特征图像大小为100×100，输入层的特征图像大小为100×100，这意味着学习这一层需要100×100×100×100=108108的参数。如果以32位的浮点数进

1.对于自己搭建好的网络架构，判断其可行性？用一小批数据进行训练，让其过拟合。如果训练后，效果很差，这都不能过拟合的话，说明该网络架构可能。2.训练时，loss和学习率出现先下降，后上升，再下降的情况，这属于正常现象（可以理解为网络用这种方法来跳出局部最优）。...

编译器中的算力设置与显卡算力不匹配解决方法要查看显卡算力，可以直接去nvidia查看。进去后，里头会有几个可选项点进去自己显卡对应的系列即可。比如大家最常用的GeForce系列显卡算力表：注释：在下面的算力值填写为上图的算力值*10对于cmake的做法，将算力设置为符合自己的数值set(CUDA_GEN_CODE "-gencode=arch=compute_**,code=sm_**")# 根据

SOTA也就是state-of-the-art，翻译为体现最高水平的。若某篇论文能够称为SOTA，就表明其提出的算法（模型）的性能在当前是第一名。参考链接:https://blog.csdn.net/haha0825/article/details/103349130/

CNN简述卷积神经网络（Convolutional Neural Network，CNN），它是属于前馈神经网络的一种，其特点是每层的神经元节点只响应前一层局部区域范围内的神经元（全连接网络中每个神经元节点则是响应前一层的全部节点）。一个深度卷积神经网络模型，一般由若干卷积层叠加若干全连接层组成，中间包含各种的非线性操作、池化操作。卷积运算主要用于处理网格结构的数据，因此CNN天生对图像数据的分析

神经网络主要有三个基本要素：权重、偏置和激活函数。权重： 神经元之间的连接强度由权重表示，权重的大小表示可能性的大小偏置： 偏置的设置是为了正确分类样本，是模型中一个重要的参数，即保证通过输入算出的输出值不能随便激活。激活函数： 起非线性映射的作用，其可将神经元的输出幅度限制在一定范围内，一般限制在(-1~1) 或 (0~1) 之间。最常用的激活函数是Sigmoid函数，其可将 (-∞，+∞) 的

基本的网络构建类模板from torch import nnimport torch.nn.functional as Fclass net_name(nn.Module):def __init__(self):super(net_name, self).__init__()# 可以添加各种网络层self.conv1 = nn.Conv2d(3, 10, 3)# 具体每种层的参数可以去查看文档

1、下载Mathtype7Mathtype7可以去百度网盘进行下载。网盘下载地址。https://pan.baidu.com/s/1nP_5NlFRV1z0zQoGoW-_bg提取码：prq7二，安装mathtype，再安装MathType7补丁.exe三、安装成功MathType7后，打开world，出现错误提示点击文件-》选项，进入world的选项->加载项，查看MathType Com

编译器中的算力设置与显卡算力不匹配解决方法要查看显卡算力，可以直接去nvidia查看。进去后，里头会有几个可选项点进去自己显卡对应的系列即可。比如大家最常用的GeForce系列显卡算力表：注释：在下面的算力值填写为上图的算力值*10对于cmake的做法，将算力设置为符合自己的数值set(CUDA_GEN_CODE "-gencode=arch=compute_**,code=sm_**")# 根据