一一中文网

手机浏览器扫描二维码访问

第95章 笔试（第2页）

以下哪种方法最不可能解决问题”

？

A.增加正则化强度

b.收集更多训练数据

c.减少特征数量

d.增加模型复杂度

林晨眉头微皱。

这题考的是过拟合与欠拟合的区分。

训练集准确率极高而测试集极低，明显是过拟合。

解决过拟合通常需要正则化、更多数据、减少特征（即降低模型复杂度）。

那么“增加模型复杂度”

显然是火上浇油。

他选了d。

答题过程像在时间河流里逆流而上。

有些概念明明看过，但具体细节模糊了；有些题目需要快速计算协方差矩阵的特征值，草稿纸上写满公式。

第22题关于batchNormalization在训练和推理阶段的不同处理，他卡了足足两分钟，最后凭记忆选择了“训练时使用当前batch的均值和方差，推理时使用移动平均的均值和方差”

。

当最后一道选择题提交时，倒计时显示还剩3分17秒。

林晨后背出了一层薄汗。

第二部分是编程题，2道，限时45分钟。

第一题：“给定一个整数数组nums和一个目标值target，请你在数组中找出和为目标值的那两个整数，并返回它们的数组下标。

假设每种输入只会对应一个答案，且不能重复使用相同的元素”

。

林晨几乎笑出来——这是Leetcode第一题“两数之和”

，太经典了。

他迅速在代码编辑区写下哈希表解法，时间复杂度o（n），空间复杂度o（n）。

测试用例全部通过。

第二题难度陡增：“实现一个简单的神经网络前向传播过程。

给定输入矩阵x（形状为n_samplesxn_features），权重矩阵w1（n_featuresxhidden_size）、w2（hidden_sizexoutput_size），偏置向量b1、b2，激活函数使用ReLU。

请写出计算过程并返回输出矩阵”

。

这题考察对神经网络底层计算的理解。

林晨沉下心来，在草稿纸上画出计算图：