人工智能行业面试题 · 问题拆解 · 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 9 道 · 更新 2026-08-05
筛选题目已选：问题拆解 · PyTorch
考察点
技术栈
第 1 题请描述PyTorch中训练一个神经网络的完整流程。 考察对PyTorch训练流程的整体理解和关键步骤的掌握第 2 题请解释如何构建神经网络计算图，并说明其作用。 考察对计算图概念的理解及其在深度学习框架中的实现第 3 题假设有一个包含两个全连接层且带有残差连接的网络，反向传播时如何利用链式求导计算梯度？请解释计算流程，不需要给出完整数学推导。 考察残差网络中反向传播时链式求导的应用理解第 4 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 5 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 6 题请介绍 CLIP 模型的基本原理。 考察对 CLIP 模型核心机制的掌握与理解深度第 7 题请说明 PyTorch 中两种不同浮点类型（如 float32 与 float64）混合运算时的类型转换规则。 考察对 PyTorch 数值类型提升机制的理解第 8 题请介绍 PyTorch 中张量的广播（broadcasting）机制。 考察对 PyTorch 张量广播规则的理解与边界意识第 9 题clone()和detach()的区别 考察对PyTorch张量操作中克隆与分离语义的理解