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...

无实习经历，下周准备开始投暑期了，java后端方向，最后再看怎么修改一下

一面介绍一下SSR和SSGSSR为什么能够减少渲染时间SSR的缺点介绍一下PrismaPrisma如何解决sql注入问题介绍一下浏览器缓存（协商、强制缓存）项目技术难点后端服务器是怎么维护的如何解决这个难点JS-正则表达式JS-Event Loopasync-await微任务还有哪些？深拷贝实现今年突破最大的三个AI产品用cursor吗？Agent模式？其他的……Vue和React区别React17、18、19之间的区别全栈——SSR一定一定要搞清楚，两次大厂面试都是挂在这里工程题：手写深度拷贝 + Promise输出判定