面试题库 › 算法 / 大模型 › 反向传播与常见优化器原理

反向传播与常见优化器原理

难度 ★★★在 20 场真实面经中被问到 方向:算法 / 大模型考点:训练优化与正则化

哪些公司问过

字节跳动5百度2vivo2蔚来1腾讯1小米1美团1京东1沐曦1米哈游1阿里云1

常见岗位:大模型算法、机器学习算法(泛)、计算机视觉、NLP / 语音、推荐搜索广告

答案要点

  1. 反向传播:链式法则从输出层逐层向前计算参数梯度
  2. SGD 沿负梯度更新,学习率固定,收敛慢且易震荡
  3. Momentum 累积历史梯度,加速收敛、减少震荡
  4. Adam 结合一阶矩和二阶矩,自适应学习率,带偏差修正
  5. AdamW 把权重衰减与梯度更新解耦;常用默认 lr=1e-3、β1=0.9、β2=0.999

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题