互联网/IT行业面试题 · tech:pytorch
互联网/IT行业相关面试题，按题目行业基础数据聚合。
共 47588 道真题 · 当前筛选命中 71 道 · 更新 2026-08-05
筛选题目已选：tech:pytorch
考察点
技术栈
第 61 题对一个7B参数的模型进行参数高效微调，大致需要多少GPU显存，通常需要保存哪些参数和状态？ 考察大模型微调的显存开销构成与参数保存范围的估算能力第 62 题以大模型预测 token 为例，请讲清楚 Beam Search 的搜索树如何构建，以及如何得到最终解码结果（可用 PyTorch 做简单说明）。 考察对 Beam Search 原理、束宽管理与终止条件的理解第 63 题请比较分布式训练中 DP 与 DDP 的区别。 考察对分布式训练并行策略的理解，包括通信、同步与适用场景第 64 题讲一下知识蒸馏的原理，以及其中 KL 散度的公式是什么？ 考察对知识蒸馏机制和核心数学工具的理解第 65 题DDP和DP的区别 考察对深度学习中数据并行与模型并行训练策略的理解第 66 题请基于RankMixer架构，实现mixup数据增强和AFFN前馈网络的核心逻辑，并说明它们在模型中的作用。 考察对RankMixer架构中mixup与AFFN的实现理解和设计意图第 67 题请写出 InfoNCE 损失函数的数学表达式，并解释其含义。 考察对对比学习核心损失函数的理解与表达能力第 68 题用PyTorch或TensorFlow实现一个多层感知机（MLP）模型。 考察对MLP基本结构、前向传播、损失计算和训练流程的掌握程度第 69 题解释一下梯度消失的处理策略 考察对深度学习训练中梯度消失问题及其解决方法的理解第 70 题什么是张量？请简要解释其定义和常见维度。 考察对张量基本概念的理解第 71 题请介绍你在项目中使用PyTorch或TensorFlow进行API调用的具体场景和做法。 考察深度学习框架的实践经验和API使用能力