Preapare DeepLearning Interview《二》

1. 无监督学习中存在过拟合吗？

答：存在。我们可以使用无监督学习的某些指标或人为地去评估模型性能，以此来判断是否过拟合。

2. 多任务学习中标签缺失如何处理？

答：一般做法是将缺失的标签设置特殊标志，在计算梯度的时候忽略。

3. 对于多分类问题，为什么神经网络一般使用交叉熵而不用欧式距离损失？

答：交叉熵在一般情况下更容易收敛到一个更好的解。

softmax函数以及相关求导过程

4. 梯度下降法，为什么需要设置一个学习率？

答：使得迭代之后的值在上次值的邻域内，保证可以忽略泰勒展开式中的二次及二次以上的项。

5. 解释反卷积的原理和用途？

答：反卷积即转置卷积，正向传播时乘以卷积核的转置矩阵，反向传播时乘以卷积核矩阵由卷积输出结构近似重构输入矩阵，上采样。

6.