人工智能面试题 · 方案权衡 · tech:tensorflow
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 9 道 · 更新 2026-08-05
筛选题目已选：方案权衡 · tech:tensorflow
考察点
技术栈
第 1 题分布式训练中有哪些并行策略？ 考察对分布式训练并行维度的理解与选型能力第 2 题请介绍模型量化中 QAT（量化感知训练）的一般流程和基本原理。 考察对量化感知训练原理和流程的理解第 3 题请比较TensorFlow和PyTorch在模型开发、调试和部署方面的主要差异。 考察深度学习框架选型与实际使用经验第 4 题模型训练并行方式有哪些？ 考察对分布式训练并行策略的理解与适用场景第 5 题神经网络训练参数初始化方式有哪些，分别会有什么问题？ 考察对常见权重初始化方法及其影响模型收敛效果的原理性理解第 6 题请分别解释梯度累计、梯度检查点（gradient checkpointing）、联邦学习、分布式训练中的负载卸载（offload），以及它们在大型模型训练中的作用和适用场景。 考察对大型模型训练中核心优化技术的理解深度和应用边界第 7 题请介绍几种神经网络底层优化的方法，并说明它们如何提升训练效率或模型性能。 考察对神经网络训练优化方法的系统理解与实际应用能力第 8 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 9 题为什么预测时要用全局的均值方差，数据预处理的归一化可以替代BatchNorm吗，为什么？ 考察对BatchNorm训练与推理阶段行为差异及其本质原理的理解