一面1.介绍实习重点2.jvm运行时内存数据3.jvm垃圾回收判定，附带回收算法、垃圾回收器4.常见oom、栈溢出场景5.redis持久化方式、不同持久化方式优点，适用场景6.redis主从复制原理7.redis主从延迟问题解决8.算法题 hot100(1)删除倒数第k 个节点(2)岛屿数量9.反问二面1.批判使用本地缓存cache场景不合适2.实习难点、重点3.Jvm垃圾回收4.Redis io多路复用5.算法题 多个有序数组，找出topk6.10G 文件，每行代表一个数，内存100M,找出topk方案7.课题方向8.Ai 大模型有过相关的了解吗9.反问

感觉寄了，代码都让ai写了，现在心里慌慌慌。怕不给面试，也怕给了面试。第一次面试说要出一道算法题脑子一片空白😐。。。

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。

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...