进程/线程/协程协程解决了什么问题什么是死锁GMPGo的map线程安全吗defer关键词，执行顺序和使用场景MySQL的引擎innoDB的索引结构b+树对比其他结构的优点表多大的数据考虑分表考虑分表是解决什么样的问题分表是设计初期就要做还是中间出现了效率问题再去做redis的数据结构项目中使用过哪些数据结构string，hash，zset什么时候使用多实例本地缓存一致性是否有必要实习的工作合并k个有序链表日常，已挂，分享积下功德hh

一股神秘的力量，我是不是被资本做局了

感觉我的简历在本科生中也不算差，面试的时候八股和算法只要不挖的太深都回答的上来，为什么老是被一面挂😭最近被一面挂麻了，即使问了面试官对我的印象说还不错也仍然被一面挂，真有点怀疑人生了😭

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...