整理了一波NLP常考的面试题
1.rnn真的就梯度消失了吗？
2.lstm到底解决了什么？解决了梯度消失？
3.LSTM三种门以及sigmoid函数对每个门的作用
#机器学习##学习路径# 4.Self-attention的Query，Key，Value分别是什么
5.Slef-attention的乘法计算和加法计算有什么区别？什么时候乘比较好，什么时候加？为什么要除以一个根号？
6.LSTM中各模块分别使用什么激活函数，可以使用别的激活函数码？
7.多头注意力机制的原理是什么？
8.Transformer用的是哪种attention机制？
9.画一下Transformer结构图
10.word2vector 如何做负采样？是在全局采样？还是在batch采样？如何实现多batch采样？怎么确保采样不会采到正样本？word2vector负采样时为什么要对频率做3/4次方？
11.W2V经过霍夫曼或者负采样之后，模型与原模型相比，是等价的还是相似的？
12.介绍一下sigmoid 和 relu，relu有什么缺点？
13.深层神经网络为什么不好训？除了梯度消失还有哪些原因？
