苏宁算法岗面试

2024-05-20 19:32
文章标签 算法 面试 苏宁

本文主要是介绍苏宁算法岗面试,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一面:38min

0.自我介绍
1.hr问了一大堆问题,交换生经历,城市,实习与学校的区别等等。
2.技术问题,熟悉哪些深度学习与机器学习的东西,我说了深度学习的东西,开始问。

3.过拟合和欠拟合的原理和解决方案,过拟合和欠拟合在性能上的结果,举了imagenet当中搞得分类问题,为什么会有这样的指标,loss在训练集和测试集上的操作?

答:区分训练误差和泛化误差。 由于优化算法的目标函数通常是一个基于训练数据集的损失函数,优化的目标在于降低训练误差。 而深度学习的目标在于降低泛化误差。为了降低泛化误差,除了使用优化算法降低训练误差以外,还需要注意应对过拟合。欠拟合我们需要多点数据,然后模型更复杂点,然后过拟合也需要数据增强,降低模型复杂度,正则化,早停。loss
在训练集上得到最优,这一步就是优化的目标,降低训练误差,但是实际上我们希望的是泛化误差,所以在val上面体现的就是过拟合欠拟合的东西了。

4.局部最优值和全局最优值,局部最优值的结果和性能结果有什么关系?
答:在深度学习中,虽然找到目标函数的全局最优解很难,但这并非必要。从局部最优并不一定能推出性能结果会怎么样。

5.池化层的作用是什么?
答:a.减少过度拟合的可能性,当网络权重参数过多的时候,很容易在训练阶段造成过度拟合
b.缩减图像尺寸,减少计算量,提升计算速度。
c.进一步提取图像高维的统计特征。

6.卷积层中的权值共享和平移不变性的原理。
答:权值共享:如果说一个卷积核在图像的一小块区域可以得到一个特定的纹理特征,那么在该图像的其他地方有类似特征的地方,同样也可以使用该卷积核。

平移不变性:
在欧几里得几何中,平移是一种几何变换,表示把一幅图像或一个空间中的每一个点在相同方向移动相同距离。比如对图像分类任务来说,图像中的目标不管被移动到图片的哪个位置,得到的结果(标签)应该是相同的,这就是卷积神经网络中的平移不变性。

平移不变性意味着系统产生完全相同的响应(输出),不管它的输入是如何平移的 。

为什么卷积神经网络具有平移不变性
简单地说,卷积+最大池化约等于平移不变性。

卷积:简单地说,图像经过平移,相应的特征图上的表达也是平移的。下图只是一个为了说明这个问题的例子。输入图像的左下角有一个人脸,经过卷积,人脸的特征(眼睛,鼻子)也位于特征图的左下角。
在这里插入图片描述
假如人脸特征在图像的左上角,那么卷积后对应的特征也在特征图的左上角。

在神经网络中,卷积被定义为不同位置的特征检测器,也就意味着,无论目标出现在图像中的哪个位置,它都会检测到同样的这些特征,输出同样的响应。比如人脸被移动到了图像左下角,卷积核直到移动到左下角的位置才会检测到它的特征。

池化:比如最大池化,它返回感受野中的最大值,如果最大值被移动了,但是仍然在这个感受野中,那么池化层也仍然会输出相同的最大值。这就有点平移不变的意思了。

所以这两种操作共同提供了一些平移不变性,即使图像被平移,卷积保证仍然能检测到它的特征,池化则尽可能地保持一致的表达。

7.BN层的原理,他加在哪一层,BP网络中应该加在哪里?为什么不加在一个神经元的结束和后一个神经元的开始的中间?位置问题?
在这里插入图片描述
8.激活函数的种类和优缺点。

二面:40min

0.自我介绍
1.无人机项目介绍,YOLOv3检测的最终指标(map,置信度)是多少?这里有点含糊。。。。因为自己写了最后的违章轧线/越线的准确率,所以一直问这一块我的模块当中哪些会导致最终的准确率不好。讲了一下斜向下60度拍摄,三维立体空间会有影响,还有车道线检测的方法带来的影响。
2.为什么要用YOLOv3+deepsort算法,讲了一下deepsort,看没看过实际论文,里面有一个alpha,调整的参数有调过没,我说把数值调高,就退化成sort了。又讲了一下sort。还知道哪些目标跟踪的算法。
3.Yolov3的Loss有哪几部分,xywh是怎么预测出来的,yolov3细节
4.地平线量化算法介绍还有知道哪些其他的量化算法。
5.labelsmoothing的原理,实际实现是怎么样的。。。这里我脑抽和把mixup的实现过程说了一下。。。实际上是不一样的。labelsmoothing实际上只需要把每一个标签平滑一下就可以了,而mixup则是两两图片(第一张和最后一张)进行结合,线性差值组合,进行训练。
6.最有用的trick,我说cos decay,相比3steps的区别,为什么不用linear?也不是很平滑吗?
7.海思芯片项目介绍,遇到的坑有哪些。prototxt,修改底层源码设置自定义层等等
8.python中的多进程与多线程。。
9.python的迭代器与生成器
10.python的GIL全局解释器锁
11.在python中有木有做过什么对python代码进行加速的操作。
12.有什么要问的。。。。

简历上面的项目重点会问无人机,量化,这两个一定要胸有成竹,准备好!

这篇关于苏宁算法岗面试的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/995911

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

字节面试 | 如何测试RocketMQ、RocketMQ?

字节面试:RocketMQ是怎么测试的呢? 答: 首先保证消息的消费正确、设计逆向用例,在验证消息内容为空等情况时的消费正确性; 推送大批量MQ,通过Admin控制台查看MQ消费的情况,是否出现消费假死、TPS是否正常等等问题。(上述都是临场发挥,但是RocketMQ真正的测试点,还真的需要探讨) 01 先了解RocketMQ 作为测试也是要简单了解RocketMQ。简单来说,就是一个分

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个