L2493129109的博客

原创 CUMT深度学习2023年回忆版

一、输入特征图格式121*121*3，卷积核为15核9*9，无零填充，步长为2。六、LSTM作为RNN的改进，能否有效控制梯度爆炸/消失，分析背后原理。七、深度强化学习五要素，提供一种较为合适的学习算法最大化累计收益。三、1.从梯度估计修正方面解释动量法和Nesterov加速梯度。2.高低维空间非凸优化问题的难点和侧重点。2.自注意力计算过程（缩放点积）二、1.自注意力机制qkv模式结构图。五、描述随机梯度下降法，并分析优缺点。1.卷积操作后的图片格式。四、免费午餐定理和丑小鸭定理。