本人做 java 开发的，对深度学习基本属于一窍不通，今天部门老大要面试一个深度学习的人，给了份深度学习的面试题要我帮他找下答案（部门老大对深度学习也不太懂所以就把这个烫手的山芋给我了），有人能帮忙解决一下吗？

(1)谈谈你项目中使用过的深度学习模型或网络，为什么选择这个算法？ (2)conv2d(kernel=7, stride=1, padding=0 ）可以用什么代替？ (3)训练神经网络，假如 train loss 已经降为 0，valid loss 为 0.2. 有什么方法可以尝试使 valid loss 再进一步下降，为什么这种方法可以？ (4)选择熟悉的框架语言，设计一个简单的孪生网络。可以从 keras 、tensorflow 及 pytorch 选择一个框架，如用 pytorch，写出__init__和 forward 过程即可。 (5)用已知参数写出简单的分类训练的伪代码（参数：t抗投诉服务器rain_image, valid_image, net ） (6)能否使用 VC 维解释模型的过拟合和欠拟合

看样子贵司是搞 cv 的。。
（ 1 ） bert， 搞 nlp 无脑 bert，因为效果好啊，搞 cv 可能是 yolo 、ssd 那一套吧，好久接触不知道现在进展怎么样了。
（ 2 ） 3 个 3×3 的卷积
（ 3 ） train loss 为 0，valid loss 不为 0,说明模型有过拟合的风险。降低过拟合措施很多，正则化、dropout 都行
（ 4 ）孪生网络主要是权值共享，网络模型共用同一个就可以了
（ 5 ）每个框架的代码都不太一样。。分类训练损失函数用交叉熵
（ 6 ） VC 维代表了假设空间的大小，vc 维越大模型拟合能力越强，越复杂的模型越容易出现过拟合，反之简单模型 vc 维小，易出现欠拟合

（ 2 ）可以换成 3 个 3x3 的卷积

让不懂 dl 的人搞 dl 的面试，意思是以后还有二面更专业的人来？
还是说公司规模就几十个人？