c++svd算法_AI算法工程师面试6
60道AI算法高频面试题
https://mp.weixin.qq.com/s/1GavvCY7wUetMvC61gxkLgmp.weixin.qq.com
机器学习(15题)
- 参考:
为什么LR模型损失函数使用交叉熵不用均方差?_Lavi的专栏-CSDN博客_lr为什么用交叉熵损失函数blog.csdn.net
[Machine Learning] 浅谈LR算法的Cost Functionwww.cnblogs.com
2.参考:
https://cloud.tencent.com/developer/article/1489227cloud.tencent.com
3.参考:
svm常用核函数_wolfrevoda的专栏-CSDN博客_svm核函数blog.csdn.net
4.参考:
徐小贱民:GBDT与Adaboost的区别与联系zhuanlan.zhihu.com
5.参考:
关于adaboost、GBDT、xgboost之间的区别与联系 - 云+社区 - 腾讯云cloud.tencent.com
6.参考:
K-MEANS-算法-简述 - xiaodongrush - 博客园www.cnblogs.com
7.参考:
机器学习中Bagging和Boosting的区别_学习AI算法,请关注微信公众号:机器学习算法全栈工程师……-CSDN博客_机器学习baggingblog.csdn.net
8.答:因为需要假设所有特征都是相互独立的
参考:
Yifei Ren:什么是朴素贝叶斯 Naive Bayeszhuanlan.zhihu.com
9.参考:
阿泽:【机器学习】决策树(上)——ID3、C4.5、CART(非常详细)zhuanlan.zhihu.com
10.参考:
随机森林的方式如何处理特征缺失值_数据之美的博客-CSDN博客_随机森岭缺失数据插补正确性验证blog.csdn.net
11.参考:
回归、分类与聚类:三大方向剖解机器学习算法的优缺点www.jiqizhixin.com
12.参考:
CRF 详细推导、验证实例 - 下路派出所 - 博客园www.cnblogs.com
13.参考:
特征值和奇异值www.jianshu.com
特征值和奇异值分解:
琥珀瑭:(四)矩阵的特征分解与奇异值分解(SVD)zhuanlan.zhihu.com
14和15.参考:
深入理解L1、L2正则化 - ZingpLiu - 博客园www.cnblogs.com
深度学习(15题)
1 .参考:
神经网络参数初始化方法_无知人生,记录点滴-CSDN博客_神经网络参数初始化blog.csdn.net
2.参考:
南柯一梦宁沉沦:卷积神经网络(CNN)反向传播算法推导zhuanlan.zhihu.com
3.参考:
阿柴本柴:CNN 模型所需的计算力flops是什么?怎么计算?zhuanlan.zhihu.com
CNN网络各种层的FLOPs和参数量paras计算_YeeKo的博客-CSDN博客_全连接层flopsblog.csdn.net
4.参考:
pdbsettrace:如何计算感受野(Receptive Field)——原理zhuanlan.zhihu.com
5.参考:
编码小弟:常用正则化方法综述zhuanlan.zhihu.com
6.参考:
L1、L2、Batch Normalization、Dropout为什么能够防止过拟合呢?www.jeepxie.net
7和8.参考:
BN和Dropout在训练和测试时的差别_海晨威-CSDN博客_dropout在训练和测试时区别blog.csdn.net
9.参考:
Amusi:一文读懂卷积神经网络中的1x1卷积核zhuanlan.zhihu.com
10.参考:
深度解析Droupout与Batch Normalizationwww.cnblogs.com
BN和Dropout共同使用时会出现的问题
BN和Dropout单独使用都能减少过拟合并加速训练速度,但如果一起使用的话并不会产生1+1>2的效果,相反可能会得到比单独使用更差的效果。
理解 Dropout 与 BN 之间冲突的关键是网络状态切换过程中存在神经方差的(neural variance)不一致行为。试想若有图一中的神经响应 X,当网络从训练转为测试时,Dropout 可以通过其随机失活保留率(即 p)来缩放响应,并在学习中改变神经元的方差,而 BN 仍然维持 X 的统计滑动方差。这种方差不匹配可能导致数值不稳定(见下图中的红色曲线)。而随着网络越来越深,最终预测的数值偏差可能会累计,从而降低系统的性能。简单起见,作者们将这一现象命名为「方差偏移」。事实上,如果没有 Dropout,那么实际前馈中的神经元方差将与 BN 所累计的滑动方差非常接近(见下图中的蓝色曲线),这也保证了其较高的测试准确率。
11.参考:
深度学习之Bottleneck Layer or Bottleneck Featuresblog.csdn.net
12.参考:
【面试基础--分类网络】inception系列(v1,v2,v3,v4)_Biyoner的博客-CSDN博客_inception vblog.csdn.net
13.参考:
张磊:解读Squeeze-and-Excitation Networks(SENet)zhuanlan.zhihu.com
14.参考:
Group Convolution分组卷积,以及Depthwise Convolution和Global Depthwise Convolutionwww.cnblogs.com
15.参考:
为何 MobileNet 及其变种(如 ShuffleNet)速度很快blog.csdn.net
计算机视觉(15题)
1.参考:
【语义分割】语义分割评估指标mIOU_筱-CSDN博客_语义分割miou一般多少blog.csdn.net
2.参考:
最完整的检测模型评估指标mAP计算指南(附代码)在这里!www.jianshu.com
3.参考:
一文打尽目标检测NMS | 精度提升篇cloud.tencent.com
4.参考:
YaqiLYU:目标检测中的Anchorzhuanlan.zhihu.com
5.参考:
目标检测中的样本不平衡处理方法--OHEM, Focal Loss, GHM, PISAblog.csdn.net
6.参考:
ROI pooling 和 ROI Align详解blog.csdn.net
7.参考:
Amusi:大神接棒,YOLOv4来了!zhuanlan.zhihu.com
8.参考:
Unet神经网络为什么会在医学图像分割表现好?www.zhihu.com
9.参考:
为什么深度学习中的图像分割要先编码再解码?www.zhihu.com
10.参考:
目标检测中的多尺度训练/测试??www.zhihu.com
11.参考:
龟龟:小目标检测学习zhuanlan.zhihu.com
12.参考:
孙杨威:浅谈Anchor-Free based目标检测(一)zhuanlan.zhihu.com
孙杨威:浅谈Anchor-Free目标检测(二)zhuanlan.zhihu.com
13.参考:
杨阳:Anchor-free应用一览:目标检测、实例分割、多目标跟踪zhuanlan.zhihu.com
14.参考:
多尺度问题解法小结_yujianmin1990的专栏-CSDN博客blog.csdn.net
15.参考:
逍遥王可爱:Focal loss论文详解zhuanlan.zhihu.com
C++(15题)
1.参考:
我理解的C++虚函数实现机制www.jianshu.com
2.参考:
c++虚函数的作用是什么?www.zhihu.com
3.参考:
STL中vector和list的区别www.jianshu.com
4.参考:
Python 面向对象的基本概念 与c++ 面向对象的基本概念有点区别blog.csdn.net
比较分析C++、Java、Python、R语言的面向对象特征,这些特征如何实现的?有什么相同点? - xuyaowen - 博客园www.cnblogs.com
5.参考:
忽晴忽雨:【C】堆区和栈区的区别zhuanlan.zhihu.com
6.参考:
什么是内存泄漏?怎么产生的?如何检测?_找个特立不独行的名的博客-CSDN博客_如何判断内存泄漏blog.csdn.net
7.参考:
C/C++ 中 static 的用法全局变量与局部变量www.runoob.com
8.参考:
为什么c++要“在头文件中声明,在源文件中定义”?www.zhihu.com
9.参考:
C++ STL之 vector的capacity和size属性区别blog.csdn.net
10.和11.参考:
STL 容器区别:vector、list、deque、set、map的底层实现blog.csdn.net
12.参考:
c++ 四种强制类型转换介绍_ydar95的博客-CSDN博客blog.csdn.net
13.答:
https://www.nowcoder.com/questionTerminal/8490c16e1b424e00968d1ed5b7153185www.nowcoder.com
智能指针是C++11 引入的,用于管理在堆上分配的内存,它将普通的指针封装为一个栈对象。当栈对象的生存周期结束后,会在析构函数中释放掉申请的内存,从而防止内存泄漏。包含在头文件<memory>中,其中包括:
(1)shared_ptr:它采用引用计数的方法,记录当前内存资源被多少个智能指针引用,该引用计数的内存在堆上分配。每新增一个引用计数加1,当过期时引用计数减1。只有引用计数为0时,智能指针才会自动释放引用的内存资源。shared_ptr的一个最大的陷阱是循环引用,会导致堆内存无法正确释放,从而导致内存泄漏。
(2)weak_ptr:为了解决循环引用导致的内存泄漏,引入了weak_ptr弱指针,weak_ptr的构造函数不会修改引用计数的值,从而不会对对象的内存进行管理,其类似一个普通指针,虽然不指向引用计数的共享内存,但是可以检测所管理的对象是否已经被释放,从而避免非法访问。
(3)unique_ptr:一种对资源具有独占性的智能指针,即一个对象资源只能同时被一个unique_ptr指向。
野指针就是指针指向的位置是不可知的(随机的、不正确的、没有明确限制的)指针变量在定义时如果未初始化,其值是随机的,指针变量的值是别的变量的地址,意味着指针指向了一个地址是不确定的变量,此时去解引用就是去访问了一个不确定的地址,所以结果是不可知的。
14.参考:
C++多态实现和virtual原理www.jianshu.com
15.参考:
new、delete、malloc、free关系_小凡的专栏-CSDN博客_new、delete、malloc、free关系blog.csdn.net
c++svd算法_AI算法工程师面试6相关推荐
- 人工智能ai算法_AI算法和联邦贸易委员会
人工智能ai算法 On the business blog of the Federal Trade Commission there is a piece written the 8th of Ap ...
- 机器学习/推荐系统/推荐系统算法工程师面试指导
面试指导 文章目录 面试指导 1.机器学习/推荐系统/推荐系统算法工程师面试技能图 2.1 推荐系统算法相关面试笔试题 2.2 机器学习相关问题 重点: 2.3 框架方面 2.4 业务流程 3.简历指 ...
- 算法工程师面试问题及相关资料集锦(附链接)
来源:专知 本文约9800字,建议阅读20分钟. 本文为你介绍算法工程师面试问题及相关资料集锦,相当全面,值得收藏. 目录 算法工程师 Github.牛客网.知乎.个人博客.微信公众号.其他 机器学习 ...
- 决战春招!算法工程师面试问题及资料超详细合集(算法岗面经/代码实战/网课/竞赛等)...
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! Awesome-AI-algorithm 目录 算法面试 1. Github 20 ...
- python算法工程师面试_算法工程师的面试经历及总结
2017年即将过去,今年是忙碌的一年,从2月17还没开学就来学校,到现在12月初,工作的事情终于尘埃落定,现将这一段经历写下来,希望能帮助来年找工作的学弟学妹,同时,对自己来说,也是一年的工作总结,总 ...
- 华为算法工程师面试经历汇总
一.概述 华为公司组织架构较为庞大,其总体组织架构图如下所示: 其中,较为知名的2012实验室,其下面包括的二级部门有:中央硬件工程学院.海思.研发能力中心.中央软件院.诺亚方舟实验室: 其中中央软件 ...
- 【iOS高级资深工程师面试篇】⑪、2022年,金九银十我为你准备了《iOS高级资深工程师面试知识总结》 算法部分 字符串反转-链表反转-有序数组组合-Hash算法-查找两个子视图的共同父视图
iOS高级资深工程师面试篇系列 - 已更新3篇 UI部分1/3 -UITableView-事件传递&视图响应 UI部分2/3 -图像显示原理-UI卡顿&掉帧 UI部分3/3 -UIVi ...
- 机器学习算法工程师面试集锦(更新中)
机器学习算法工程师面试集锦(更新中) 面试问题汇总 常用的损失函数 介绍交叉验证 特征选择方法 机器学习项目的一般步骤 经验风险最小化与结构风险最小化 训练决策树时的参数是什么 在决策树的节点处分割标 ...
- 【深度学习笔记】神经网络模型及经典算法知识点问答巩固(算法工程师面试笔试)
文章目录 前言 一.前馈神经网络模型 1.请说说你对前馈神经网络中"前馈"二字的理解. 2.记忆和知识是存储在_____上的.我们通常是通过逐渐改变_____来学习新知识. 3.在 ...
最新文章
- tp3 普通模式url模式_Thinkphp 3.2.3 url 路由访问模式
- Linux之vim中翻页的命令
- multipart/form-data ajax 提交问题(未解决)
- [Selenium] 基本使用
- 绝对布局优势_街电福建全场景布局持续深化,构建全时续电服务强化行业领先优势...
- wamp下Apache2.4.x局域网访问403的解决办法
- Python问题3——爬虫编码问题
- SAP License:FICO面试问题
- Spring Cloud-honghu Cloud分布式微服务云系统--云架构代码结构构建
- Eclipse中移除native层编译支持
- 安装命令提示符版CentOS6.5
- 霍兰德SR型如何选专业?霍兰德职业兴趣测试
- 字符串ucfirst解析
- vue引入阿里巴巴icon
- SSO单点登录跨域跨服务器
- 1445. 苹果和桔子
- matlab狗抓兔子,怎样训成年犬捉兔子-怎样训狗抓兔子
- Java-Collection的子接口-List集合
- 杰奇采集分页 php,杰奇自定义分页代码,教程及案例
- xp显示rpc服务器不可用,WinXP系统rpc服务器不可用怎么解决?
热门文章
- Oracle11g新特性:在线操作功能增强-可等待DDL操作
- linux cat read line,cat file | while read line的问题
- 玩转SpringBoot 2 之项目启动篇
- 基于JAVA+SpringBoot+Mybatis+MYSQL的小区物业管理系统
- 基于JAVA+SpringMVC+Mybatis+MYSQL的超市库房管理系统
- 日语等级考试测试网站
- Clojure学习之比线性箭头操作
- Victor and World(spfa+状态压缩dp)
- 人际沟通最忌讳一脸死相【转】
- Google Map API学习1