2024年终总结——前端入坑四年,今年实惨

  • 你如何理解 HTML 结构的语义化?

  • 谈谈以前端角度出发做好 SEO 需要考虑什么?

  • 有哪项方式可以对一个 DOM 设置它的 CSS 样式?

  • CSS 都有哪些选择器?

  • CSS 中可以通过哪些属性定义,使得一个 DOM 元素不显示在浏览器可视范围内?

  • 超链接访问过后 hover 样式就不出现的问题是什么?如何解决?

  • 什么是 Css Hack?ie6,7,8 的 hack 分别是什么?

  • 请用 Css 写一个简单的幻灯片效果页面

  • 行内元素和块级元素的具体区别是什么?行内元素的padding和margin可设置吗?

  • 什么是外边距重叠?重叠的结果是什么

JS基础
  • call 和 apply 的区别

  • b 继承 a 的方法

  • JavaScript this 指针、闭包、作用域

  • 事件委托是什么

  • 闭包是什么,有什么特性,对页面有什么影响

  • 如何阻止事件冒泡和默认事件

  • 添加 删除 替换 插入到某个接点的方法

  • javascript 的本地对象,内置对象和宿主对象

  • document load 和 document ready 的区别

  • “”和“=”的不同

  • javascript 的同源策略

  • 编写一个数组去重的方法

由于内容较多,为了避免阅读体验仅展示部分面试题,完整版的面试题+解析,【点击我】免费获取,无偿分享给大家,算是一个感恩回馈吧

Ajax
  • Ajax 是什么? 如何创建一个 Ajax?

  • 同步和异步的区别?

  • 如何解决跨域问题?

  • 页面编码和被请求的资源编码如果不一致如何处理?

  • 简述 ajax 的过程。

  • 阐述一下异步加载。

  • 请解释一下 JavaScript 的同源策略。

  • GET 和 POST 的区别,何时使用 POST?

  • Ajax 的最大的特点是什么。

  • ajax 请求的时候 get 和 post 方式的区别

  • 解释 jsonp 的原理,以及为什么不是真正的 ajax

  • http 常见的状态码有那些?分别代表是什么意思?

  • 一个页面从输入 URL 到页面加载显示完成,这个过程中都发生了什么?

JS高级
  • JQuery 一个对象可以同时绑定多个事件,这是如何实现的?

  • 知道什么是 webkit 么? 知道怎么用浏览器的各种工具来调试和 debug 代码么?

  • 如何测试前端代码么? 知道 BDD, TDD, Unit Test 么? 知道怎么测试你的前端工程么(mocha, sinon, jasmin, qUnit…)

  • 前端 templating(Mustache, underscore, handlebars)是干嘛的, 怎么用?

  • 简述一下 Handlebars 的基本用法?

  • 简述一下 Handlerbars 的对模板的基本处理流程, 如何编译的?如何缓存的?

  • 用 js 实现千位分隔符?

  • 检测浏览器版本版本有哪些方式?

  • 我们给一个 dom 同时绑定两个点击事件,一个用捕获,一个用冒泡,你来说下会执

  • 行几次事件,然后会先执行冒泡还是捕获

Vue
  • vuex 有哪几种属性?

  • vuex 的 State 特性是?

  • vuex 的 Getter 特性是?

  • vuex 的 Mutation 特性是?

  • Vue.js 中 ajax 请求代码应该写在组件的 methods 中还是 vuex 的 actions 中?

  • 什么是 MVVM?

  • mvvm 和 mvc 区别?它和其它框架(jquery)的区别是什么?哪些场景适合?

  • vue 的优点是什么?

  • 组件之间的传值?

  • vue.cli 中怎样使用自定义的组件?有遇到过哪些问题吗?

  • vue 如何实现按需加载配合 webpack 设置

  • Vue 中引入组件的步骤?

  • 指令 v-el 的作用是什么?

  • 在 Vue 中使用插件的步骤

  • vue 生命周期的作用是什么

  • vue 生命周期总共有几个阶段

  • 第一次页面加载会触发哪几个钩子

  • DOM 渲染在 哪个周期中就已经完成

  • 简单描述每个周期具体适合哪些场

浏览器
  • 跨标签页通讯

  • 浏览器架构

  • 浏览器下事件循环(Event Loop)

  • 从输入 url 到展示的过程

  • 重绘与回流

  • 存储

  • Web Worker

  • V8 垃圾回收机制

  • 内存泄露

  • reflow(回流)和 repaint(重绘)优化

  • 如何减少重绘和回流?

  • 一个页面从输入 URL 到页面加载显示完成,这个过程中都发生了什么?

  • localStorage 与 sessionStorage 与 cookie 的区别总结

  • 浏览器如何阻止事件传播,阻止默认行为

由于内容较多,为了避免阅读体验仅展示部分面试题,完整版的面试题+解析,【点击我】免费获取,无偿分享给大家,算是一个感恩回馈吧

生活

平平淡淡,两个姑娘越来越漂亮了 这个月没上班,接送大姑娘上下学、去培训班。现在的小孩子要学的可真多,我3岁多的时候应该在捏泥巴吧。 遗憾的是,因为疫情的原因没能带老婆孩子出去玩玩,明年补上吧。

2021,一定会更好的


许多事情要提上日程了,健身、英语、算法、理财、旅游、装修…想做的事情很多。

  • 多写一些总结,多复盘【每月输出2篇文档】

  • 算法【每日打卡,要弄懂】

  • 一次旅游 【但愿疫情彻底过去吧】

  • 读书【尽量每月1本吧】

  • 装修【房子交付要装修了】

最后

自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。

深知大多数初中级Android工程师,想要提升技能,往往是自己摸索成长,自己不成体系的自学效果低效漫长且无助。

因此收集整理了一份《2024年Web前端开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。

img

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Android开发知识点!不论你是刚入门Android开发的新手,还是希望在技术上不断提升的资深开发者,这些资料都将为你打开新的学习之门!

如果你觉得这些内容对你有帮助,需要这份全套学习资料的朋友可以戳我获取!!

由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Android开发知识点!不论你是刚入门Android开发的新手,还是希望在技术上不断提升的资深开发者,这些资料都将为你打开新的学习之门!**

如果你觉得这些内容对你有帮助,需要这份全套学习资料的朋友可以戳我获取!!

由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!

### RT-DETRv3 网络结构分析 RT-DETRv3 是一种基于 Transformer 的实时端到端目标检测算法,其核心在于通过引入分层密集正监督方法以及一系列创新性的训练策略,解决了传统 DETR 模型收敛慢和解码器训练不足的问题。以下是 RT-DETRv3 的主要网络结构特点: #### 1. **基于 CNN 的辅助分支** 为了增强编码器的特征表示能力,RT-DETRv3 引入了一个基于卷积神经网络 (CNN) 的辅助分支[^3]。这一分支提供了密集的监督信号,能够与原始解码器协同工作,从而提升整体性能。 ```python class AuxiliaryBranch(nn.Module): def __init__(self, in_channels, out_channels): super(AuxiliaryBranch, self).__init__() self.conv = nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1) self.bn = nn.BatchNorm2d(out_channels) def forward(self, x): return F.relu(self.bn(self.conv(x))) ``` 此部分的设计灵感来源于传统的 CNN 架构,例如 YOLO 系列中的 CSPNet 和 PAN 结构[^2],这些技术被用来优化特征提取效率并减少计算开销。 --- #### 2. **自注意力扰动学习策略** 为解决解码器训练不足的问题,RT-DETRv3 提出了一种名为 *self-att 扰动* 的新学习策略。这种策略通过对多个查询组中阳性样本的标签分配进行多样化处理,有效增加了阳例的数量,进而提高了模型的学习能力和泛化性能。 具体实现方式是在训练过程中动态调整注意力权重分布,确保更多的高质量查询可以与真实标注 (Ground Truth) 进行匹配。 --- #### 3. **共享权重解编码器分支** 除了上述改进外,RT-DETRv3 还引入了一个共享权重的解编码器分支,专门用于提供密集的正向监督信号。这一设计不仅简化了模型架构,还显著降低了参数量和推理时间,使其更适合实时应用需求。 ```python class SharedDecoderEncoder(nn.Module): def __init__(self, d_model, nhead, num_layers): super(SharedDecoderEncoder, self).__init__() decoder_layer = nn.TransformerDecoderLayer(d_model=d_model, nhead=nhead) self.decoder = nn.TransformerDecoder(decoder_layer, num_layers=num_layers) def forward(self, tgt, memory): return self.decoder(tgt=tgt, memory=memory) ``` 通过这种方式,RT-DETRv3 实现了高效的目标检测流程,在保持高精度的同时大幅缩短了推理延迟。 --- #### 4. **与其他模型的关系** 值得一提的是,RT-DETRv3 并未完全抛弃经典的 CNN 技术,而是将其与 Transformer 结合起来形成混合架构[^4]。例如,它采用了 YOLO 系列中的 RepNCSP 模块替代冗余的多尺度自注意力层,从而减少了不必要的计算负担。 此外,RT-DETRv3 还借鉴了 DETR 的一对一匹配策略,并在此基础上进行了优化,进一步提升了小目标检测的能力。 --- ### 总结 综上所述,RT-DETRv3 的网络结构主要包括以下几个关键组件:基于 CNN 的辅助分支、自注意力扰动学习策略、共享权重解编码器分支以及混合编码器设计。这些技术创新共同推动了实时目标检测领域的发展,使其在复杂场景下的表现更加出色。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值