记得以前有个新闻，大意是说有个女孩子以她的成绩考入北大清华没问题。但她从小参加各种社会活动，深受曾留学法国的母亲“生命的意义在于体验最多而不是最好”影响，决定放弃高考，申请包括哥大在内的大学，并获得成功。新闻下面附上了一张那个女孩子的照片，还很清秀，于是这则新闻就获得大量转载，一片褒扬之声。我没有任何的仇富仇美仇优心理，不过在这条新闻下面我看到的最好的评论还是：我没有皇城根下的家，也没有留过洋的爸妈。我只能咬着牙拼命学习，在千军万马中挤破头，换来一个国内普通的大学，而我还要拼命努力，才能换来一个普通的人生。但这条新闻把千万个我们这种普通家庭却从没放弃努力的孩子，当成了傻瓜。    在上海，复旦...

2-3k的都找不到，求大佬拷打，给点学习或者找工作的意见，谢谢了。

目前只能约到小公司，求大神指导

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...