金融行业面试题 · tech:pytorch
金融行业相关面试题，按题目行业基础数据聚合。
共 8448 道真题 · 当前筛选命中 9 道 · 更新 2026-08-05
筛选题目已选：tech:pytorch
考察点
技术栈
第 1 题你主要用过哪些深度学习框架？ 考察深度学习框架的熟练程度与相关项目实践经验第 2 题请用PyTorch手写一个简单的逻辑回归模型，不要求实际运行。 考察逻辑回归原理掌握与PyTorch基本建模能力第 3 题Dropout和Batch Normalization分别是什么？它们如何防止过拟合？ 考察对正则化技术和归一化技术原理的理解第 4 题请利用PyTorch实现一个线性回归模型的模型定义和训练过程。 考察PyTorch基础建模能力和训练流程的掌握程度第 5 题请手写实现多头注意力机制（Multi-head Attention）的核心部分。 考察对Transformer注意力机制的理解与代码实现能力第 6 题给定包含大量（大于1000个）类别的图像数据，各类别图像数量充足，要求在一周之内训练出一个分类模型，使得各类别的准确度尽可能高，如何设计方案？ 考察大规模多类别图像分类的系统设计、工程权衡与快速迭代能力第 7 题你了解 ChatGPT 背后的技术框架吗？ 考察对大型语言模型技术栈和关键组件的理解第 8 题给定一个7B参数的模型，使用LoRA进行微调时，优化器状态的内存分配是怎样的？请说明优化器所需内存的计算方式。 考察对LoRA参数效率和优化器内存分配的理解第 9 题请手写并讲解一个使用PyTorch实现的模型训练pipeline,包含数据加载、模型定义、训练循环和评估过程。 考察PyTorch训练流程的完整性、正确性和代码组织能力