针对自己简历被问到的问题有：
1、deconvolution反卷积如何实现的?
使用的时候参考ConvolutionLayer的参数设置方法，但是其forward对应的是卷积层的backward操作，而backward对应的是卷积层的forward操作。
2、DBN是什么网络？
深度置信网络， 经典的DBN网络结构是由若干层 RBM 和一层 BP 组成的一种深层神经网络。
DBN 在训练模型的过程中主要分为两步: 第 1 步：分别单独无监督地训练每一层 RBM 网络,确保特征向量映射到不同特征空间时,都尽可能多地保留特征信息; 第 2 步：在 DBN 的最后一层设置 BP 网络,接收 RBM 的输出特征向量作为它的输入特征向量,有监督地训练实体关系分类器.而且每一层 RBM 网络只能确保自身层内的 权值对该层特征向量映射达到最优,并不是对整个 DBN 的特征向量映射达到最优,所以反向传播网络还将错误信息自顶向下传播至每一层 RBM,微调整个 DBN 网络.RBM 网络训练模型的过程可以看作对一个深层 BP 网络权值参数的初始化,使DBN 克服了 BP 网络因随机初始化权值参数而容易陷入局部最优和训练时间长的缺点.
上述训练模型中第一步在深度学习的术语叫做预训练，第二步叫做微调。最上面有监督学习的那一层，根据具体的应用领域可以换成任何分类器模型，而不必是BP网络。
3、列举分类、分割、聚类算法