人工智能行业面试题 · 编码实现 · PyTorch
人工智能行业相关面试题，按题目行业基础数据聚合。
共 6000 道真题 · 当前筛选命中 10 道 · 更新 2026-08-05
筛选题目已选：编码实现 · PyTorch
考察点
技术栈
第 1 题对Python的熟悉程度如何，能用PyTorch实现多头注意力机制吗？ 考察Python熟练度、PyTorch基础及对Transformer核心组件的理解第 2 题请实现三个函数：IoU计算、Focal Loss和ROI Pooling，并说明各自的输入输出。 考察深度学习经典组件实现及边界情况处理能力第 3 题请结合热力图目标检测的监督信号，说明如何实现 Focal Loss，并解释它对正负样本不平衡的缓解原理。 考察 Focal Loss 在热力图检测中的实现要点与失衡处理能力第 4 题请阐述ViT的结构、计算复杂度以及它如何应用于图像分类。 考察对ViT架构原理、复杂度来源和任务适配的理解第 5 题请介绍PyTorch中模型的保存和加载方式及注意事项。 考察对模型状态存储、设备迁移和恢复训练的掌握第 6 题请手写实现多头注意力机制的核心代码。 考察多头注意力机制的原理理解与编码实现能力第 7 题请用 PyTorch 手写实现 softmax 函数，并基于 softmax 的输出分布编写一个采样函数。 考察 softmax 的实现正确性、数值稳定性与基于分布的采样能力第 8 题请编写一个多头注意力机制的代码实现。 考察对注意力机制原理的理解及编程实现能力第 9 题在不修改数据集的前提下，如何修改PyTorch代码解决多分类中的数据不平衡问题？ 考察在不改动数据时通过代码层面处理不平衡的能力第 10 题请用PyTorch定义一个简单的神经网络，例如一个两层全连接网络。 考察PyTorch中网络定义的基本能力和代码实现