1：阐述批归一化的意义
2：阐述偏置和方差的概念以及它们之间的权衡关系
3：假设深度学习模型已经找到了 1000 万个人脸向量，如何通过查询以最快速度找到一张新人脸？
4：对于分类问题，准确度指数完全可靠吗？你通常使用哪些指标来评估你的模型？
5：你怎么理解反向传播？请解释动作（action）的机制。
6：激活函数有什么含义？激活函数的饱和点是什么？
7：模型的超参数是什么？超参数与参数有何不同？
8：当学习率过高或过低时会怎样？
9：当输入图像的尺寸加倍时，CNN 参数的数量会增加多少倍？为什么？
10：处理数据不平衡问题的方法有哪些？
11：在训练深度学习模型时，epoch、batch（批）和 iteration（迭代）这些概念都是什么意思？
12：数据生成器的概念是什么？使用数据生成器需要什么？
https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650778101&idx=3&sn=40904b0932565846039e573b8dff0dcf&chksm=871a6d8bb06de49d3c6a210f59f3ddf7d67f41bff0cabc2854f0577722d92f9a7032bef7d4a8&scene=0&xtrack=1#rd