DeepLearing Interview Awesome 2024
1.0.0
يغطي هذا المشروع 6 وحدات رئيسية للموضوع ، ورؤية الكمبيوتر ومواضيع خوارزمية الإدراك ، وموضوعات التعلم العميق والإطار ، والقيادة ذاتية الحكم ، والمواضيع الطبية العمودية وغيرها من المواضيع ، ومواضيع رمز المشروع ، ومواضيع توصية ممتازة مفتوحة المصدر . سنستمر في تنظيم وتلخيص أحدث أسئلة المقابلة وتحليل هذه الأسئلة بالتفصيل. بالإضافة إلى سيناريوهات المقابلة ، تأتي أسئلتنا أيضًا من التفكير في أحدث ابتكارات الورق الأكاديمي. نأمل أن نصبح مادة مساعدة فعالة في أبحاثنا الأكاديمية ، وابتكار العمل ، وتقديم المقابلات.
تستمر تحديث أسئلة مقابلة خوارزمية 2024. للحصول على التفاصيل ، يرجى اتباع خوارزمية التعلم العميق 2024 ودليل مقابلة النموذج الكبير. إذا كنت تحب هذا المشروع ، فيرجى النقر فوق النجم في الزاوية اليمنى العليا. اهلا وسهلا بكم أيضا لإنشاء المشروع معا.
لا يزال يتم تحديث المشروع:
| 01. النموذج النموذج ، كيف يتم استخدام مبادئ Lora و Ptuning بشكل شائع للضغط الدقيق للنماذج الكبيرة التي تختلف عن الضبط الدقيق التقليدي؟ |
|---|
| 30. النموذج النموذجي الصقل: الفرق بين ضبط التعليمات وطرق ضبط موجه؟ |
| 9 |
| 18. النموذج النموذجي الصقل: كيف يتم تدريب لورا على صقل طراز كبير؟ |
| 19. النموذج النموذجي الصقل: كيفية تهيئة مصفوفة لورا؟ لماذا تهيئة إلى كل 0؟ |
| 33. النموذج النموذجي للضباط: عند إجراء عمليات SFT ، يجب استخدام الدردشة أو القاعدة للنموذج الأساسي؟ |
| 03. بنية النموذج: لماذا معظم النماذج الكبيرة الحالية مع هياكل وحدة فك الترميز فقط |
| 15. هيكل النموذج: هل يمكنك تلخيص عملية تدريب ChatGPT؟ |
| 16. بنية النموذج: ما هي العلامات في سياق نموذج لغة كبير (LLMS)؟ |
| 40. بنية النموذج: ما الفرق بين تطبيع طبقة GPT3 و Llama؟ |
| 04. تحسين النموذج: كيفية تخفيف مشكلة مكرر LLMS |
| 14. تحسين النموذج: ما هي الاستراتيجيات لتقليل الهلوسة في نماذج اللغة الكبيرة (LLMS)؟ |
| 29. تحسين النموذج: كيفية تحسين التعميم السريع لنماذج اللغة الكبيرة؟ |
| 34. تحسين النموذج: خلال عملية ما قبل التدريب للنماذج الكبيرة المفتوحة المصدر ، ستتم إضافة الكتب والأوراق والبيانات الأخرى. كيفية تنظيم ومعالجة هذا الجزء من البيانات؟ |
| 38. تحسين النموذج: كيفية حل مشكلة نسيان الكارثي المتمثلة في صقل ChatGlm؟ |
| 10. ما هي مزايا BERT لمهام التصنيف ، ما هي أعمال التحسين اللاحقة؟ |
| 23. ما هي مهام ما قبل التدريب لبيرت؟ لماذا تقديم مهمة التنبؤ الجملة التالية؟ |
| 37. هل تستخدم آليات ترميز الموضع والانتباه خلال عملية ما قبل التدريب من Bert؟ |
| 38. عادةً ما يتم استخدام Langchain كـ "لاصق" لتوصيل الوحدات المختلفة اللازمة لبناء تطبيقات LLM معًا. يرجى تقديم وحداتها الأساسية؟ |
| 39. تحسين النموذج: من أجل تحسين كفاءة الاستدلال لـ Llama 3 ، يعتمد هيكل النموذج على اهتمام استعلام مجمعة (GQA) لوصف هذه الوحدة بإيجاز؟ |
| 40. بنية النموذج: ما هي آلية الاهتمام المستخدمة في LLAMA2؟ |
| 41. الهندسة المعمارية النموذجية: هل تعلمت فقدان عدة نماذج كبيرة في مرحلة ما قبل التدريب؟ ما هي أوجه التشابه والاختلاف؟ |
| 42. بنية النموذج: ما هي خصائص وسيناريوهات التطبيق لترميز الموضع الدوراني (الحبل) وترميز وضع Alibi؟ |
| 43. بنية النموذج: ما هي المكونات الثلاثة التي تتضمنها بنية الشبكة الإجمالية لنموذج Qwen-VL؟ يرجى تقديم وظائفهم ومصادرهم بشكل منفصل؟ |
| 44. بنية النموذج: كيف تتم معالجة الصور لإدخال نموذج Qwen-VL؟ ما نوع تسلسل الميزات الذي يحصلون عليه بعد المرور عبر التشفير المرئي والمحول؟ |
| 45. إعداد البيانات: صقل شكل مجموعة التدريب من نموذج اللغة الكبير؟ كيفية التعامل مع بيانات التدريب التي تم إنشاؤها بواسطة GPT؟ |
| 46. النموذج النموذجي الصقل: ما هي القيود المفروضة على الضبط الخاضع للإشراف (SFT) مقارنة بـ RLHF؟ إذا تم تنظيف بيانات SFT وتصنيعها بـ RM ، فهل يمكن أن تحل محل RLHF؟ |
| 47. إعداد البيانات: ما هي الخوارزميات المستخدمة لإعادة استخدام البيانات عند معالجة الحوار وبيانات المجموعة ، وما هي تحسينات البيانات التي تم إجراؤها في مرحلة تدريب Corpus؟ |
| 48. إعداد البيانات: تم ضبط Llama3.1 لعدة جولات. ما هي بيانات تدريب نموذج المكافآت وبيانات تدريب SFT؟ |
| 49. المنطق النموذجي: كيفية تخفيف الأوهام المعممة والضيقة التي تظهر في نماذج كبيرة في ظل النموذج التقني الحالي؟ |
| 50. التدريب النموذجي: ما هي مزايا إطار التدريب الموزعة العميق مقارنة مع Pytorch الأصلي Torchrun؟ |
| 51. التفكير النموذجية: عندما يكون التفكير في LLM ، تكون البيانات المتعددة متوازية في مرحلة مسبق ، وهو عنق الزجاجة الحاسوبية. ما هي طرق التسارع المقابلة؟ |
| 52. التفكير النموذجية: عندما تكرر مرحلة فك الشفرة الرمز المميز في وقت واحد ، وتستهلك الذاكرة المزيد من الوقت. ما هي طرق التسارع المقابلة؟ |
| 53. تحسين النموذج: من وجهة نظر معمارية ، يعمل LLM بشكل أساسي على تحسين الانتباه و FFN. ما هي تحسينات الانتباه؟ |
| 54. التفكير النموذجية: ما هو استخدام ذاكرة التدريب النموذجي الكبير والضبط؟ |
| 55. التدريب النموذجي: أين يقضي الوقت في مرحلة التدريب من النموذج الكبير؟ على سبيل المثال ، يتضمن التدريب مع السعرات الحرارية كيلونوس. |
| 02. في النموذج المرئي ، ما هي الابتكارات الرئيسية في التصميم المعماري لـ Dinov2؟ |
|---|
| 01. كيفية استخدام النص للتحكم في الجيل في الانتشار المستقر؟ |
| 21. ما هي المشكلات الرئيسية التي يحلها الانتشار مقارنة بالانتشار المستقر؟ |
| 22. اختر خطوة زمنية عشوائية لكل جولة من عينات التدريب في الانتشار المستقر؟ |
| 39. ما هي عملية التدريب والتنبؤ بالانتشار المستقر مثل؟ |
| 11. النموذج الأساسي: تقسيم سام جميع أنواع الترويج في الشبكة وكيفية إدخالها في الشبكة |
| 26. نموذج الأساس: غالبًا ما تستخدم أجهزة الكشف عن الكائنات العامة التدريب صورًا متعددة المصدر للتدريب. كيف تتعامل مع التمييز الجديد في الفئة؟ |
| 27. نموذج الأساس: يمكن للدينو أساس الكشف عن أي هدف بناءً على مطالبات النص ووصف البنية الأساسية للشبكة بإيجاز؟ |
| 28. نموذج الأساس: كيفية إجراء ترحيل عينة صفري في حالة تأريض دينو ، مثل اكتشاف مقاومة المكثف في لوحة الدوائر؟ |
| 29. النموذج الأساسي: العديد من الأفكار لشبكات SAM خفيفة الوزن والعمل التمثيلي؟ |
| 30. الانتشار المستقر XL هو نموذج نشر متتالي على مرحلتين يصف بإيجاز سير عمله؟ |
| 31. يتم استخدام آلية الانتباه في المعلومات الدلالية للنص والصورة ، في حين أن حالة النص ثلاثية الأبعاد ، في حين أن الميزة الكامنة أربع أبعاد؟ |
| 32. أعط أمثلة لإدخال عملية ترميز النص بأكملها لنموذج SDXL؟ |
| 33. في حالات الفشل الكلاسيكية لـ SD 1.4 و SD 1.5 ، الأسباب الأساسية وحلول التحسين لمشكلة الرأس المفقودة في CAT في الصورة التي تم إنشاؤها؟ |
| 34. ينشئ Dinov2 مجموعة بيانات عالية الجودة جديدة ، حيث يتم استخدام إلغاء البيانات المستهلكة والاسترجاع في عملية المعالجة. وصف بخطواتها بإيجاز؟ |
| 35. صف باختصار الوظائف الموضوعية لمستوى مستوى الصورة ومستوى التصحيح في تدريب Dinov2؟ |
| 36. ما هي المتجهات المخفية المقابلة لقطع الغيار والقناع في فك ترميز نموذج MAE المرئي مسبقًا؟ |
| 37. مشكلة النموذج: غالبًا ما تستخدم النماذج الكبيرة متعددة الوسائط MLP كمحركات رؤية لرسم خريطة الميزات البصرية الرموز على الرسائل النصية للمساحة الفردية. كيفية ضغط مقدار الرموز المرئية لتحسين الكفاءة؟ |
| 38. سؤال النموذج: كم عدد الطرق التي تقلل بها صور عالية الدقة في نماذج VLM من عدد الرموز؟ |
| 01. لماذا تستخدم Layernorm بدلاً من الدُفاز في المحول؟ |
|---|
| 06. لماذا يستخدم المحول آلية الانتباه متعددة الرأس |
| 32. تعقيد حساب الانتباه في المحول وكيفية تحسينه؟ |
| 12. كيف يتم تحقيق اندماج طبقة المحولات ، وكيف تعمل شبكة البقايا وقاعدة الطبقة على الانصهار |
| 41. ما هو الفرق بين انتباه MHA Bull و MQA Multi-Query؟ |
| 17. ما هو استخدام Softmax التكيفي في نماذج اللغة الكبيرة؟ |
| 31. التقطير المعرفة هو وسيلة لنقل المعرفة من النماذج المعقدة إلى نماذج بسيطة. ما هي التحسينات في تقطير المعرفة؟ |
| 42. ما هو دور اهتمام الفلاش ، تقنية تحسين المنطق؟ |
| 43. صفر ، ثلاث مراحل من محسن التكرار صفر؟ |
| 44. ما هي التغييرات التي أجراها مامبا على RNNs بحيث يمكن حسابها بشكل أسرع على وحدة معالجة الرسومات؟ |
| 45. آلية الانتباه متعددة الرأس MHA هي المكون الأساسي في نموذج المحول ، والفكرة الأساسية لذاكرة التخزين المؤقت KV وتحسين GQA؟ |
| 46. كيف يؤثر BPE (ترميز زوج البايت) والرمز المميز على أداء النموذج وعملية التدريب؟ |
| 47. ما هي الأسباب والحلول لارتفاع الخسارة في تدريب نماذج كبيرة فوق 100B؟ |
| 01. أعط أمثلة لتوضيح كيف يلعب تعلم التعزيز دورًا؟ |
|---|
| 28. كيف تفهم تعظيم المكافآت في التعلم التعزيز؟ |
| 24. بعد التدريب على البيانات الميدانية ، تنخفض القدرة العامة في كثير من الأحيان. كيف تخفف من النموذج الذي ينسى القدرة العامة؟ |
| 25. كيفية التعامل مع محاذاة أوضاع البيانات في نماذج اللغة الكبيرة (LLMS)؟ |
| 35. هل يمكنك تقديم بعض الأمثلة على مشاكل المحاذاة في نماذج اللغة الكبيرة؟ |
| 01. نواة الالتواء الكبيرة: هل يمكن أن تحقق نواة أكبر دقة أعلى في شبكات CNN؟ |
|---|
| 02. خوارزمية التحسين: يمكن استخدام طريقة المطابقة الهنغارية في قضايا مثل تعريف العينة الإيجابية والسلبية ، وإدخال مبدأ التنفيذ. |
| 03. وظيفة الخسارة: كيفية ضبط معلمات الخسارة البؤرية وما هي المشكلات الموجودة |
| 04. النموذج الخفيف الوزن: أعط أمثلة بعض النماذج الخفيفة التمثيلية التي تتحسن من كمية المعلمة ، وكمية تشغيل نقطة العائمة ، وتأخير استنتاج النموذج؟ |
| 05. معالجة الصور: عيوب في استخراج ميزة ORB وكيفية تحسينها |
| 06. الوحدة العامة: لماذا تعتبر ميزة FPN Fusion عملية إضافة؟ |
| 07. الوحدة العامة: كيفية فهم خريطة الميزات الشائعة ، تتميز طرق الانصهار ، وتسلسل وإضافة؟ |
| 08. الوحدة العامة: تستخدم آلية انتباه المحول وظيفة SoftMax غالبًا. هل يمكن استخدام sigmoid بدلاً من ذلك؟ |
| 09. الوحدة العامة: ما هي بعض المبادئ الأساسية عند تصميم نماذج خفيفة الوزن؟ أيهما يستغرق وقتًا طويلاً من التسلسل أو الإضافة؟ |
| 10. الوحدة العامة: تستخدم شبكات CNN خفيفة الوزن في كثير من الأحيان ملحقات قابلة للفصل العميقة. كيف تحسب تلوينات النقاط من التقلبات و MAC؟ |
| 11. وظيفة الخسارة: تدعم الخسارة البؤرية ملصقات فئة منفصلة مثل 0/1. ما الذي يجب القيام به إذا كانت التسمية قيمة مستمرة قدرها 0 ~ 1؟ |
| 12. وظيفة الخسارة: الخسارة البؤرية تثير اهتمامًا كبيرًا للعينات التي يصعب تقديمها ، لذلك ستتأثر بالقيم المتطرفة. كيفية تخفيف كل من العينات سهلة التقسيم وعينات يصعب تصديقها في نفس الوقت؟ |
| 13. الوحدة العامة: الفرق بين التدريب المتسرب والاستدلال. خلال مرحلة التدريب ، يتم ضبط ناتج الخلايا العصبية لطبقة معينة بشكل عشوائي على الصفر مع احتمال p. كيف تتعامل معها أثناء الاستدلال؟ |
| 01. وظيفة الخسارة: لماذا هو أفضل من cosface في مهمة التعرف على الوجه |
|---|
| 02. الوحدة العامة: إدخال اهتمام CBAM |
| 03. الوحدة العامة: كيفية تحقيق الاهتمام المحلي |
| 04. تعزيز البيانات: مقدمة في Mixup ومتغيراته |
| 05. مشاكل السيناريو: حلول شائعة لمشاكل الذيل الطويلة في المهام البصرية |
| 06. مشكلة السيناريو: ماذا تفعل إذا تتداخل عدة فئات (اختلافات صغيرة بين الفصول) في مهمة التصنيف ، وكيفية تصميم بنية الشبكة |
| 07. مشكلة السيناريو: كيفية تحقيق نتائج جيدة في السيناريو ب عند وضع علامة على الهدف وتدريبه في السيناريو؟ |
| 08. مشكلة السيناريو: كيفية تدريب مهمة تصنيف ثنائية بشكل أفضل ، حيث يتم تمييز 80 ٪ من البيانات بشكل صحيح وفشل 20 ٪ |
| 09. نموذج الأساس: مقدمة في الابتكارات الأساسية للمقطع ، وكيف تتعامل مع إدخال النص |
| 10. نموذج الأساس: كيف يتم إدخال تسلسل VIT و DEIT مقبض متغير؟ |
| 11. النموذج الأساسي: كيف تقوم معالجة صور الإدخال في تصحيح VIT إلى رمز؟ |
| 01. استراتيجية مطابقة العينة: كيفية حل مشكلة عدم الاتساق GT الناجم عن عينات متداخلة في مرحلة تدريب FCOS |
|---|
| 02. استراتيجية مطابقة العينة: لماذا يمكن أن تزيل Centernet NMS ، وتعريف العينات الإيجابية والسلبية |
| 03. استراتيجية مطابقة العينة: تعريف العينة الإيجابي والسلبي لـ YOLOV5 ، ما إذا كان سيتم تعيين هدف لطبقة FPN مختلفة |
| 04 |
| 05. استراتيجية مطابقة العينة: تعريف عينة إيجابية وسلبية لـ YOLOV8 |
| 06. استراتيجية مطابقة العينة: تعريف عينة إيجابية وسلبية لـ YOLOV9 |
| 07. استراتيجية مطابقة العينة: تعريف عينة إيجابية وسلبية لـ YOLOV1 |
| 08. استراتيجية مطابقة العينة: يستخدم Detr مطابقة الرسم البياني الثنائي لتنفيذ مهمة التسمية ، وصف العملية بإيجاز |
| 09. استراتيجية مطابقة العينة: كيفية حل مشكلة موقع نقاط مركز المستهدف المتعددة بالقرب من بعضها البعض |
| 10. استراتيجية مطابقة العينة: كيفية إزالة الاعتماد على المرساة عندما يكون الكاشف المستند إلى المرساة في مرحلة تخصيص تسمية العينة الإيجابية والسلبية؟ |
| 11. استراتيجية مطابقة العينة: كيفية اختيار العينات الإيجابية والسلبية للكشف عن الكائنات سوف تؤثر بشكل كبير على تأثير الكشف النهائي. على سبيل المثال ، كيفية التعامل مع ATSS؟ |
| 12. تحسين وظيفة الخسارة: دور المركز في وظيفة فقدان FCOS |
| 12. استراتيجية مطابقة العينة: تقوم FCOS ببناء مراحل عينة إيجابية وسلبية. ماذا علي أن أفعل إذا كان التداخل بين المقاييس الكبيرة والصغيرة ، مثل التفاح في الإنسان واليدين؟ |
| 12. تحسين وظيفة الخسارة: تستخدم FCOS الطريقة القائمة على المنطقة لحل مشكلة الغموض المتمثلة في تخصيص العينة الإيجابية ، والتي ليست ودية للغاية لأهداف كبيرة؟ هل هناك حل أفضل؟ |
| 13. تحسين وظيفة الخسارة: ما هي الطرق التي يمكن أن تحل مشكلة الخلل في العينات الإيجابية والسلبية في اكتشاف الكائنات |
| 14. التفاصيل: ما هو الفرق بين Yolov5 و Yolov4؟ |
| 15. التفاصيل: ما هو الفرق بين طبقة FOUCS وطبقة مرور yolov5 |
| 16. التفاصيل: دور الهدف في YOLOV5 ، كيفية الحصول على درجة احتمال الإخراج النهائي |
| 17. مشكلة النموذج: مقدمة في عملية البيانات المسلسل من إدخال الصورة إلى معالجة التشفير في Detr. |
| 18. فك تشفير السؤال: اشرح معنى إخراج نموذج YOLOV5 (1 ، 25200 ، 85) وعملية فك التشفير؟ |
| 19. مشكلة فك التشفير: اشرح معنى الرؤوس الثلاثة لإزاحة/مقياس خريطة الخريطة الناتجة عن طراز CRITERNET ، وعملية فك التشفير؟ |
| 20. مشكلة السيناريو: كيفية حساب مربع الدوران IOU في اكتشاف الكائنات |
| 21. مشكلة السيناريو: كيفية تعديل الكشف عن كائن YOLOV5 لتحقيق الكشف عن كائنات الدوران؟ |
| 22. مشكلة السيناريو: في حالة الهدف المزدحم ، هل غالبًا ما يكون هناك اكتشاف خاطئ بين هدفين حقيقيين؟ |
| 23. مشكلة السيناريو: هل يمكن وضع المزيد من المراسي السابقة تحسين أداء الأهداف الصغيرة وأهداف الحجم غير الطبيعية ، وما هي المشكلات الأخرى إلى جانب سرعة الحساب |
| 24. مشكلة السيناريو: في الوقت الحاضر ، يتطلب الكشف في كثير من الأحيان خوارزمية عتبة NMS غير المتقنة مثل المعالجة. هل هناك أي حل لتجنب المعالجة بعد NMS؟ |
| 25. سؤال النموذج: كيف تفهم مفهوم استعلام الكائن في Detr ، وتوفير وضع أفضل قبل الانتباه المتقاطع ، كيفية تصميم النموذج؟ |
| 26. سؤال النموذج: ما هي قنوات إخراج الرأس في YOLOV5 و YOLOV8 على التوالي؟ لنفترض أنها الآن مهمة اكتشاف لفئتين؟ |
| 01. سؤال النموذج: في بنية شبكة UNET ، هل أربعة ضرورية لتجزئة الشبكة؟ |
|---|
| 02. سؤال النموذج: لماذا يمكن تقليم unet ++؟ كيف تقرر كم يجب قطعها؟ |
| 03. سؤال النموذج: كيفية التعامل مع إخراج قناع تجزئة الهدف عند تجزئة جميع شبكة SAM؟ |
| 04. مشكلة النموذج: تأثير استنتاج النموذج المحلي لـ SAM أسوأ بكثير من إصدار إصدار الويب عبر الإنترنت. هل هناك أي طريقة لتحسين تأثيرها؟ |
| 05. النموذج الأساسي: ما هي المشكلات التي تستخدمها VIT مباشرة للمهام كثيفة التنبؤ مثل اكتشاف التجزئة؟ |
| 06. مشكلة النموذج: الفرق بين خرائط ميزة UPSAMPLING باستخدام فك التشفير باستخدام فك التشفير/الالتفاف الفارغ/الاستيفاء الثنائي في وحدة فك الترميز؟ |
| 07. سؤال النموذج: مزيج من الحد الأقصى للتجميع والتسجيل الشائع في أجزاء ترميز شبكة التجزئة يحقق الثبات ، ولكن له تأثير معين على دقة تحديد المواقع. جنبا إلى جنب مع الحقل العشوائي الشرطي متصل بالكامل (CRF) لتحقيق تحسين المواقع؟ |
| 08. مشكلة النموذج: يدعم جزء proft_encoder في SAM عدة أنواع من المدخلات. كيفية الترميز لمطالبات النقطة؟ |
| 08. سؤال النموذج: الفرق بين الحصير والتجزئة التقليدية ، قدم مبدأ الحصير؟ |
| 01. مونولوجي 3D: كيفية تحديد العينات الإيجابية والسلبية في مرحلة التدريب FCOS3D |
|---|
| 02. Monologic 3D: صف باختصار بنية الجزء الرئيسي من FCOS3D وتعريف النقطة المرجعية للتنبؤ بموجب نقطة 2.5D؟ |
| 03. أحادي 3D: وصف بإيجاز عملية فك تشفير FCOS3D وكيفية الحصول على مربع الهدف ثلاثي الأبعاد على الصورة ثنائية الأبعاد؟ |
| 04. أحادي 3D: FCOS3D ومعظم عمق تقدير ثلاثي الأبعاد أحادي القائم على مثيلات معزولة أو وحدات بكسل ، مع تجاهل العلاقة الهندسية بين الأشياء المختلفة. ما هي الاستراتيجيات التي يجب عليك تحسينها؟ |
| 05. Point Cloud 3D: عملية تحويل النقاط التي تحول الغيوم إلى صور زائفة متناثرة ، أين هي خطوات العمليات المبعثرة مفصلة؟ |
| 06. بيف: عدة طرق لتحويل زوايا منظور PV2BEV. ما هي المعلمات التي تتطلبها الطرق القائمة على النموذج على الأقل بالإضافة إلى المعلمات الداخلية والخارجية للكاميرا؟ |
| 01. شبكة الخصومة: تحديد وحل انهيار النمط في GAN؟ |
|---|
| 02. تقدير العمق: وصف بإيجاز خسائر إعادة الإعمار الضوئية التي شائعة الاستخدام في مهام تقدير العمق؟ |
| 01. Pytorch غالبًا ما يجمع بين مجموعات بيانات متعددة أثناء التدريب. ماذا يفعل concatdataset بالضبط؟ |
|---|
| 02. |
| 03. ما هي المعلمات الرئيسية لـ Pytorch Dataloader |
| 04. كيفية تجنب. إلى (الجهاز) العمليات في رمز Pytorch؟ |
| 05. سيناريوهات التطبيق لـ nn.identity ()/. chunk/.masked_select/.gather في pytorch؟ |
| 06. الاستراتيجيات الشائعة لتوفير ذاكرة الفيديو في Pytorch |
| 07. بعض مشاكل السمة مع وحدات Pytorch |
| 08. سيناريوهات الفرق والاستخدام بين Modulelist و Sequential في Pytorch |
| 09. استخدم السيناريوهات واستخدام concatdataset في Pytorch |
| 10. الفرق بين nn.upsample و interpolother في pytorch |
| 11. الفرق بين مجموعة البيانات و Dataloder في Pytorch. ما هي العمليات المطلوبة لتخصيص مجموعة البيانات؟ |
| 12. تشمل عمليات التطبيع الرئيسية والاستخدام بشكل شائع في Pytorch BN و LN و In و GN. اسمحوا لي أن أقدم خلافاتهم؟ |
| 13. ما هو الفرق بين nn.linear () و nn.embedding () في pytorch؟ |
| 14. مجموعة البيانات في Pytorch هي الفئة الأساسية المستخدمة لتمثيل مجموعات البيانات. ما هي الوظائف التي تحتاج إلى إعادة كتابة لإنشاء مجموعة بيانات مخصصة؟ |
| 01. لماذا يمكن أن تجعل Tensorrt النماذج تعمل بشكل أسرع |
|---|
| 02. بعض ميزات Mmengine ، ما هي التكوينات الأساسية لها |
| 03. أضف شبكة عمل فقيرة مخصصة إلى MMDETECT. ما الرموز التي تحتاج إلى تغييرها؟ |
| 04. مقدمة لآلية الخطاف في MMCV وإنشاء خطاف جديد |
| 05. فلسفة تصميم Pytorch Lighting وما تعتقد أنه سهل الاستخدام |
| 06. MMDETECT لديه خصائص المرونة والراحة عند بناء هياكل النموذج. على سبيل المثال ، تسمح المعلمات الاختيارية لنمط Resnet Pytorch و Caffe. ما هو الفرق بين الاثنين؟ |
| 07. وصف بإيجاز طريقتي مخصصات التخصيص في مربع في MMDECENTER؟ |
| 08. صف بإيجاز أنواع عينات العينة الإيجابية/السلبية في MMDECENTER ، مثل RandomSampler؟ |
| 09. كيفية تعيين input_names ، output_names ، dynamic_axes في torch.onnx.export ()؟ |
| 10. كيف يمكنك استخدام Torch.onnx.is_in_onnx_export () بشكل مختلف لجعل النموذج يتصرف عند التحويل إلى ONNX؟ |
| 11. يستخدم التدريب النموذجي الكبير بشكل عام Torch2.0 أو أعلى ، حيث يمكن لـ Torch.compile تسريع التدريب. اسمحوا لي أن أقدم كيفية استخدامه وما إذا كان يعمل مع رمز بيثون العادي؟ |
| 12. صف بإيجاز ما تعتقد أنه مزايا وعيوب MMCV |
| 13. مشكلة التدريب: إعدادات المعلمات في التدريب متعدد الآلات والبطاقات متعددة البطاقات تأخذ جهازين و 8 بطاقات كمثال: ما هي رتبة ناتج التدريب الموزعة/Local_Rank/World_Size؟ |
| 14. سؤال التدريب: ما هي طرق التنفيذ لارتفاع بيانات التدريب الموزعة؟ |
| 15. مشكلة التدريب: كيفية حل المشكلة التي تستمر الذاكرة في الزيادة خلال تدريب Pytorch؟ |
| 01. مشكلة المشغل: كيفية دمج الالتواء و BN لتحسين سرعة الاستدلال |
|---|
| 02. مشكلة المشغل: سبب الانخفاض في الفعالية بعد الشبكة العصبية يقدم آلية الانتباه |
| 03. مشكلة المشغل: المقارنة والمزايا وعيوب وظائف التنشيط |
| 04. مشكلة المشغل: مقارنة التعقيد الزمني للمحول/CNN/RNN |
| 05. مشكلة المشغل: الالتفاف القابل للفصل |
| 06. مشكلة المشغل: الفرق بين CNN و MLP |
| 06. مشكلة المشغل: كيفية تشغيل Max Pooling؟ في أي شيء يكون متوسط السيناريو أكثر ملاءمة من Max Pooling |
| 07. وظيفة الخسارة: تطبيق وظيفة الخسارة - فقدان المفصلات |
| 08. وظيفة الخسارة: لماذا يمكن استخدام الانتروبيا المتقاطعة كدالة خسارة |
| 09. خوارزمية التحسين: أوجه التشابه والاختلاف بين خوارزميات التحسين SGD/ADAGRAD/ADAM |
| 10. خوارزمية التحسين: ما هي طرق تهيئة الأوزان؟ |
| 11. خوارزمية التحسين: لماذا لا تنظم التحيز في التعلم العميق؟ |
| 12. خوارزمية التحسين: لماذا يمكن للتنظيم زيادة قدرات تعميم النموذج |
| 13. خوارزمية التحسين: لماذا يفشل آدم غالبًا في التغلب على SGD؟ ما هي النقاط الرئيسية وخطط التحسين؟ |
| 14. الأسئلة الشائعة: كيفية التمييز بين عينات الخطأ والعينات الصعبة في التدريب على التعلم العميق |
| 15. الأسئلة الشائعة: دور الاستعداد للتسخين في التعلم أثناء التدريب على نموذج التعلم العميق |
| 16. الأسئلة الشائعة: النظر في مرشح [-1 -1 -1 ؛ 0 0 0 ؛ 1 1 1] للالتواء ، الذي سيتم استخراج الحواف من صورة الإدخال |
| 17. مشكلة السيناريو: كيفية دمج ميزات معالجة الصور التقليدية في نماذج التعلم العميق؟ ما هي مشاكل الربط المباشر والانصهار؟ |
| 18. مشكلة السيناريو: كيف ينبغي تصميم وزن كل مهمة لفقدان المهام في التعلم متعدد المهام؟ |
| 19. مشكلة السيناريو: كيف تتعامل مع مجموعات البيانات غير المتوازنة؟ |
| 20. سؤال السيناريو: كيف تقطع نموذجًا كبيرًا بشكل فعال إلى عدة نماذج فرعية؟ كيفية تعيين عارضة الأزياء قطع لعقد متعددة للتدريب المتوازي؟ |
| 21. سؤال التحسين: لماذا لا يمكن تهيئة أوزان الشبكة العصبية إلى 0 ، في حين يمكن تهيئة معلمات الانحدار اللوجستي إلى 0؟ |
| 22. الأسئلة المتداولة في كثير من الأحيان: عندما يزداد حجم الدُفعة ، كيف يجب أن يتغير معدل التعلم وفقًا لذلك ، وكيف يجب أن يتغير على وجه التحديد؟ |
| 01. ما هي معاني الكاميرا الداخلية والخارجية؟ إذا تم توسيع الصورة مرتين ، فكيف تتغير المعلمات الداخلية والخارجية؟ |
|---|
| 02. ما هي علاقة التحول من نظام إحداثيات العالم إلى نظام إحداثيات الصور؟ |
| 03. ما هو تحول الإشعاع وتحول الإسقاط العكسي؟ |
| 04. كيفية ضبط Q و R عندما يرشح Kalman |
| 05. كيفية فهم مساحة BEV وتوليد ميزات BEV |
| 08. لماذا لا تستخدم التعلم عبر الإنترنت للكشف عن حديدي؟ |
| 09. كيفية استخدام المرشح نفسه للتكيف مع المشهد حيث تعبر السيارة في نفس الوقت |
| 10. كيفية تعزيز ميزات BEV |
| 11. في سيناريوهات القيادة بمساعدة ، يتنبأ النموذج بإحداثيات Bbox للأهداف المتوسطة والكبيرة في غضون 60 مترًا ، ولديها مشكلة كبيرة في الارتفاع ، مما يؤدي إلى قياس مسافة غير مستقر. كيف تحلها؟ |
| 12. في سيناريوهات القيادة بمساعدة ، كيفية حل مشكلة تخليص خلفيات محددة مثل محطات الحافلات والمنازل؟ |
| 13. في سيناريوهات القيادة بمساعدة ، كيفية حل مشكلة القفز في نماذج المركبات مع تصنيف أكثر من 100 متر؟ |
| 16. اشرح معنى مصفوفة الضوضاء في KF. هل يقدر أن الضوضاء ستصبح أكبر أو أصغر في معادلة الحركة؟ هل يقدر أن الضوضاء ستصبح أكبر أو أصغر في معادلة التصحيح؟ |
| 20. عادة ما تعتمد مهمة الكشف عن خط الممر خطة تجزئة. كيفية تقليل خطة الكشف ، أو حتى تصنيف خط الممر؟ |
| 21. كيف تتعامل مع طرق مختلفة في مهام الكشف عن خط الممرات ، مثل تقاطعات الطرق؟ |
| 24. صف باختصار منطق فك التشفير من Bevformer؟ |
| 25. خطوات التمثيل المكاني في Bevformer؟ |
| 26. كيفية عرض صور كاميرا متعددة على السيارة في طائرة ثنائية الأبعاد؟ |
| 27. إذا كانت سيارتك تحتوي على 4 lidars ، فكيف تقوم بتصميم خوارزمية تجزئة السحابة؟ |
| 28. إذا كنت مطلوبًا حاليًا لتقسيم الطوب في المشهد ، فهل يمكن تحديد تجزئة السحابة بشكل صحيح؟ |
| 29. كيفية إزالة ضباب الماء في سحابة النقطة؟ |
| 30. ما نوع المعرفة السابقة المستخدمة لعرض السيارة وتتراوح نقطة الأرض؟ إذا لم يكن هؤلاء الصغار غير صالحين ، فما هي الوسيلة التي يمكن استخدامها للاسترخاء في القيود؟ |
| 31. ثلاث طرق لتقدير زاوية الملعب أثناء قيادة السيارة؟ |
| 32. كيفية القضاء على نقاط الركن في حفنة من السحب ثلاثية الأبعاد؟ |
| 33. كيفية تحويل نقاط إحداثيات العالم ثلاثية الأبعاد إلى إحداثيات الصورة ثنائية الأبعاد؟ |
| 34. ما هي معلومات التنبؤ للكشف عن الكائنات ثلاثية الأبعاد أحادية العين؟ كيفية التعامل مع الهدف المقطوع عند التنبؤ بالانحراف المركزي في المربع ثلاثي الأبعاد؟ |
| 35. في عملية تقدير العمق من خلال العلاقات الهندسية ، يكون عدم اليقين في تقدير العمق مرتفعًا بسبب خطأ الارتفاع. كيف تخففه؟ |
| 36. ما هي تكوين مستشعر الكاميرا ووضع العلامات في مجموعة بيانات Nuscenes؟ |
| 37. صف بإيجاز تحول تدفق الموتر أثناء استخراج ميزة نموذج Bevformer؟ |
| 38. صف بإيجاز عدة طرق لإنشاء خرائط ميزة BEV. ماذا تفعل بالضبط عملية رفع LSS؟ |
| 39. تأمل خوارزمية الإدراك في الحصول على صور إدخال عالية الدقة وصور إدخال كبيرة FOV. النهج العام في الصناعة هو إنشاء منطقة العائد على الاستثمار. كيف تختار؟ |
| 40. الآن نحن بحاجة إلى تطوير نموذج لغة مرئية لحل مهمة القيادة المستقلة التي تواجه الإدراك العام. كيف تفعل ذلك؟ |
| 01. شرح البيانات: كيفية حل مشكلة عدم الاتساق في وضع العلامات على العديد من الأشخاص بسبب الاختلافات المهنية في وضع العلامات على الصور الطبية؟ كيفية تقليل الأخطاء باستخدام الخوارزميات؟ |
|---|
| 02. سؤال النموذج: كيفية إضافة معلومات السجل الطبي إلى النموذج لتعزيز تأثير التصنيف النهائي؟ |
| 03. مشكلة النموذج: هناك مشكلة صعبة في التجزئة. على سبيل المثال ، في تجزئة الشبكية الوعائية ، كيفية تحسين تأثير تجزئة الحافة؟ ؟ |
| 04. سؤال النموذج: سيشكل تكديس كائنات متعددة هدفًا محتملًا محتملًا جزئيًا ، وسلامة الهدف هي الأساس لمزيد من الحكم. كيفية إكمال الحدود المقطوعة للهدف المقطوع؟ |
| 05. سؤال النموذج: ستتأثر خوارزمية الكشف عن الكائنات القائمة على شرائح مرضية رقمية بإسقاط أجهزة التصوير ، مثل إزالة التركيز ، وطمس الحركة ، وما إلى ذلك أثناء المسح. ما هي بعض حلول التحسين الممكنة؟ |
| 06. سؤال النموذج: كيفية إضافة المعرفة السابقة إلى النموذج ، وما هي الأساليب؟ |
| 01. معالجة اللغة الطبيعية: بالنظر إلى الاستعلام الحالي والاستعلام التاريخي والكيان المقابل في NLP ، كيفية تصميم كيان الاستعلام الحالي؟ |
|---|
| 02. التعلم الآلي: يتلقى مديرو البنوك مجموعة بيانات تحتوي على سجلات لآلاف المتقدمين الذين يتقدمون للحصول على القروض. كيف تساعد خوارزمية AI المدير على فهم القروض التي يمكنه الموافقة عليها؟ |
| 03. التعرف على الصور: يتطلب نشر خوارزميات التعرف على الوجه في التطبيقات العملية القدرة على تعلم هويات الوجه الجديدة من تدفقات البيانات المستمرة. كيف تفعل التعلم الإضافي في الفصل؟ |
| 01. كيفية تدريب نموذج على بيانات التعليق مع الأخطاء؟ |
|---|
| 02. ما هو الفرق المحدد بين اكتشاف الكائن في الفيديو والصورة |
| 03. أعط عدة طرق تدفق بصري لتوضيح طريقة نمذجة التدفق البصري LK؟ |
| 04. كيفية اختيار مجموعة ميزة مناسبة عندما يكون حجم البيانات محدودًا للغاية ولكن عدد الميزات كبيرة للغاية؟ |
| 05. موجه Sam's Point Point و Box Propens Enter Enter Dimensions. هل يدعم مربع الصناديق المتعددة؟ |
| 06. لماذا يكون لتأثير حجم الدُفعة الأكبر على التعلم المقارنة تأثير أكبر على التعلم الخاضع للإشراف؟ |
| 07. تقديم مجموعة بيانات صور ، جزء منها هو صورة ضوضاء ، أي أن التسمية خاطئة. كيفية تدريب النموذج لتحقيق أفضل تأثير؟ |
| 08. 现在要预测目标在图像上的旋转角度，比如遥感影像场景下的车辆目标旋转角度，你该如何优雅的编解码以实现更好的预测？ |
| 09. 鱼眼相机具备更大的视场角，因此常用在一些监控场景下，如何在鱼眼图像下做检测或分割任务？ |
| 10. 昼夜跨域车辆重识别车辆重识别如何处理，即在包括白天和夜间域在内的不同域中识别相同的车辆？ |
| 11. 如果一个数据集在图像的某个区域中几乎没有猫这个物体，那么目标检测器会不会也在这个区域不擅长检测猫？ |
| 01. Pytorch 实现注意力机制、多头注意力 |
|---|
| 02. Pytorch 搭建一个基础模块，包含Conv+Bn+Relu |
| 03. Pytorch 搭建一个CNN卷积神经网络 |
| 04. PyTorch 卷积与BatchNorm的融合 |
| 05. PyTorch 分割网络损失函数Dice Loss的代码实现 |
| 06. PyTorch 实现Focalloss |
| 07. Pytorch 实现BN批量归一化 |
| 08. Pytorch 针对L1损失的输入需要做数值的截断，构建CustomL1Loss类 |
| 08. Pytorch 实现SGD优化算法 |
| 08. Pytorch 实现Triplet Loss |
| 09. Numpy 广播机制实现矩阵间L2距离的计算 |
| 10. Numpy 输入boxA, boxB实现bbox_iou的计算 |
| 11. Numpy 输入两组坐标实现IOU的计算 |
| 12. Numpy 实现Focalloss |
| 13. Numpy 实现非极大值抑制NMS |
| 14. Numpy 实现改进版本的非极大值抑制Soft-nms |
| 15. Numpy 实现一个函数来计算两个向量之间的余弦相似度 |
| 16. Numpy 实现Sigmoid函数 |
| 17. Numpy 实现Softmax函数 |
| 18. Numpy 实现K-means聚类 |
| 18. Numpy 完成稀疏矩阵的类，并实现add和multiply的操作 |
| 19. C++ 描述图像resize的过程并实现 |
| 20. C++ Conv2D卷积的实现 |
| 21. Numpy 实现线性回归损失函数最小二乘法，输入直线对应的坐标点，输出损失 |
| 22. Numpy 实现线性回归，输入学习率、迭代次数及坐标点 |
| 23. Numpy 实现目标实数类别的one-hot编码 |
| 24. Numpy 实现交叉熵损失函数 |
| 25. Pytorch 实现图像归一化的操作 |
| 26. Numpy 实现maxpooling操作 |
| 27. Pytorch 使用torch.utils.data.Dataset类来构建自定义的数据集，根据文件名后缀来创建一个图像分类的数据集 |
| 28. Python 实现逆透视变换IPM（鸟瞰图） |
| 29. Numpy 实现两个矩阵的乘法，并验证结果是否与PyTorch中的torch.matmul相同 |
| 30. PyTorch 构建一个自定义层，该层实现一个简单的LReLU激活函数 |
| 31. PyTorch 编写一个数据增强类，实现随机水平翻转和通道变换 |
| 32. PyTorch 实现图像到Patch Embedding过程，提示可用卷积实现 |
| 01. 多个优异的数据结构与算法项目推荐 |
|---|
| 02. 大模型岗位面试总结：共24家，9个offer |
| 03. 视觉检测分割一切源码及在线Demo |
| 04. 动手学深度学习Pytorch |
| 05. 一种用于保存、搜索、访问、探索和与您喜爱的所有网站、文档和文件聊天的工具 |
| 06. 收集一些免费的ChatGPT镜像站点 |
| 07. 关于大型语言模型(LLM)的一切 |
| 08. 深度学习调优指南中文版 |
| 09. 多模态大型语言模型的最新论文和数据集集锦 |
| 10. ChatPaper：ChatGPT来加速科研流程的工具 |
| 11. 消费级硬件上进行LLaMA的微调 |
| 12. Stability AI提供的一系列生成模型 |
| 13. 自监督方式学习强大视觉特征的框架DINOv2 |
| 14. 快速的场景分割FastSAM |
| 15. 语言大模型面试题 |
| 16. Awesome Chinese LLM 整理开源的中文大语言模型 |
| 17. 科技爱好者周刊，集结优秀的开源项目，每周五发布 |
| 18. 大模型显存在线估算开源项目 |
| 19. 2024年几种可免费阅读Medium文章的方式 |
