泪目!跳槽太不容易,蚂蚁金服三轮面试,四个小时灵魂拷问,结局我哭了

面试总结:二面蚂蚁挂掉后,呕心沥血三个月,三面网易终拿offer 我第一次看到他面试总结的时候我心里暗自想: 一个两年的程序员怎么会这么吊?两年就对这个行业这么了解了?后浪也太优秀了吧! 直至现在我突然醒悟并知道了原因,原来是因为那个。。。(容我卖个关子) 先给大家看看他的面试总结,最后给大家揭秘。 前言 18年毕业到现在也近两年了,最近面试了阿里集团(菜鸟网络,蚂蚁金服),网易,滴滴,点我达;最终收到点我达、滴滴、网易offer,蚂蚁金服二面挂掉,菜鸟网络一个月了还在流程中...最终有幸去了网易。但是要特别感谢点我达的领导及HR,真的非常非常好,很感谢他 阅读详情

本文来自作者投稿,作者是是双非院校科班研究生,Java开发3年工作经验,以下是他最近的面试总结:

先说下我的面试准备经历,为了保证自己简历有较大一定的概率通过筛选,我在2018毕业后面试了多家公司,去了一家上海一家小公司一直工作到今年5月。

和往年相比,今年的金三银四看上去不是那么顺利,可能和我的准备不足有关,但是令我惊讶的是第一家给我面试机会的公司竟然是阿里巴巴。一开始接到面试通知时,心情特别复杂,紧张又兴奋,阿里巴巴是出了名的深挖项目实战,实际上我项目部分是相对薄弱的。这次面试,一共三轮,共计四个小时左右,这三轮面试对我来说,简直是灵魂拷问,至于结局,往下看吧!

蚂蚁基本是电话面。第一面leader面,第二面总监面,第三面交叉面。

第一轮面试:1小时28分钟

面试官问的面试题:

  • 最近做的项目介绍一下

  • 做的过程中遇到了什么问题,如何解决的

  • redis集群高可用原理,一台挂了,怎么切换到另一台

  • 如何保证redis和mysql数据一致

  • 数据库事务

  • 很大的表如何优化

  • limit的局限性,limit值很大的时候有什么问题

  • mysql锁介绍一下,有哪些应用场景

  • 索引失效的场景

  • 线程的生命周期

  • 线程池很高怎么处理

  • 在分布式任务中,一个微服务的很多线程报错,如何处理和定位

  • JVM内存分为哪几块

  • 介绍一下垃圾回收机制

  • 有没有阅读JDK源码的习惯

第二轮面试:1小时11分钟

  1. ThreadLocal原理,放在堆还是栈。用过吗?

  2. Sync 可以作用在哪里? 有什么区别?Sync的底层原理?

  3. 轻量级锁升级成重量级锁会有开销?有没有什么办法让锁不升级?上来就用重量级锁?

  4. aop原理,实际使用过吗?

  5. Springboot的使用过程中,有哪些觉得比较方便的地方?

  6. 对spring的核心原理有哪些了解?会根据所答来进行深入的问。

  7. Spring实例化bean的时候会实例化所有的bean吗?

  8. Spring实例化的时候需要先构建一个实例吗?

  9. Bean的循环依赖是怎么解决的?

  10. 项目中为什么使用Redis?

  • Redis的性能优化你如何实现?

  • 从底层实现角度讲讲Redis为什么快?

  • 线上Redis有哪些事项需要注意?

  • 线上如何让Redis 6.x性能发挥到最大?

  • 线上Redis持久化方案如何选型?为什么?

  • 谈谈Redis底层多路复用实现细节

  • 有没有使用Redis做过设计呢?

  • JVM的调优大致步骤?

  • Jvm的收集器有哪些?各自的优点和缺点?以及各自的回收算法?

  • Sql的优化?sql语句本身的优化?sql所用到索引的优化?

  • 哪些情况会导致sql的索引失效?

  • 索引的底层结构以及优缺点?

  • 第三轮面试交叉面:1小时15分钟

    1. 项目相关的问题

    2. 秒杀项目需要考虑的问题

    3. 秒杀场景用到分布式锁的情况,

    4. 服务隔离是如何做的,假设没有分库分表的情况下,服务如何做隔离

    5. 数据库CPU占用率高的原因

    6. 磁盘总空间50G,统计出来的空间有30G,剩余20G可能去哪里了

    7. 限流如何去做,不用redis,还可以怎么实现(令牌桶,滑动窗口)

    8. 项目转变成微服务后遇到的问题,如何解决,

    9. 分布式事物的实现原理(我自己引上来的TCC的分布式事物)

    10. RocketMQ问的较多(呜..没有答好)

    • 在RocketMQ的群组消费中,每个消费组都会消费主题的一份全量消息吗?为什么?

    • 假设一个RocketMQ集群部署在两个机房,每个机房都有一些NameServer、Broker和客户端节点,当两个机房间的链路中断时,NameServer、Broker能不能正常提供服务?为什么?

    • 如果不需要严格顺序,为了提升消费性能,可以不可以将Consumer设置为自动确认消费位置,然后批量拉取消息放到内存队列中,然后异步多线程并行执行消费业务逻辑?为什么?

    • RocketMQ能不能保证在“从消息生产直到消费完成”这个过程中,消息不重不丢(Exactly once) ?

    • 在RocketMQ的一个Broker 上,使用一个消息序号消费某个队列的消息。其中,消息文件(commitlog)的数量是m个,所有消息文件中的消息条数是k条,目标队列对应的索引文件(consumerQueue)的数量是n个,队列中共有j条消息。查找消息的最快时间复杂度是多少?O(n)还是O(1),为什么?

    • RocketMQ使用了哪种零拷贝技术?

    • RocketMQ中如何解决重复消费?

  • Dubbo 有哪些核心组件?底层原理?Spi是什么?spi的好处是什么

  • 最近在学什么?讲讲SpringCloud alibaba的一些东西

  • 小结

    1. 项目相关的问题

    蚂蚁没有考算法,基础知识也有考一些,感觉更看重眼缘和讲项目的能力。这也给我后面的面试失败留下伏笔!

    大厂的面试,就是挂和被捞的过程。去年下半年没面上几个钟意的公司之后,已经下决心继续打磨一下自己。在今年上半年开始了新的面试。但我目前的简历技能模块上重点强调自己对redis、多线程、jvm、MySQL这些知识点有比较熟练的掌握(后面二面后我被挖底层挖怕了,以至于我现在简历改成了熟悉掌握)

    另外一个原因就是RocketMQ没有深入研究过, 答的吞吞吐吐,聊完RockerMQ后, 我把话题转移到Kafka时,听面试官的语气停顿了一下,估计有些小失望吧!

    结局当然是凉了,没有第四面的通知,但这次经历给我的感受还是很不一样的,也为我下一场面试积攒了经验。之后打算再投几家互联网一线大厂,希望能够顺顺利利, 收到好消息吧。

    Redis也是大厂面试最爱问的,除了上面这些问题,还包括Redis客户端、Redis高级功能、Redis持久化和开发运维常用问题探讨、Redis复制的原理和优化策略、Redis分布式解决方案等。

    为了让大家理解透彻Redis,我特别邀请可“手写Redis”前阿里资深架构师James老师,为大家带来 《Redis销魂操作实战》系列课程,原价199元,公众号粉丝限时专享优惠价0.1元!带你从入门到BAT各种应用场景Redis设计,深度掌握Redis核心技能,快速进阶成为Redis专家!

    总结

    在消息投递实时性、严格的消息顺序、定时消息等核心功能方面,RocketMQ均比Kafka更加出色。非常适合应对更丰富的业务场景,包括涉及异步解耦、顺序消息、分布式事务消息(交易系统、支付红包等)等大厂核心场景。

    大型公司,基础架构研发实力较强,用 RocketMQ 是很好的选择。既然 RocketMQ如此重要,结合你公司的实际场景,如何落地应用RocketMQ 消息中间件?RocketMQ的分布式事务架构,又该怎样设计?

    RocketMQ的千亿级微服务架构实战

    如果你想学习阿里奉为 “神器”的RocketMQ分布式消息中间件 ,这里推荐一下前58资深架构师 King打造的《阿里双十一交易核心链路产品,RocketMQ源码分析与618线上实战》在线直播课。2天时间,

    学习本课程,能快速掌握RocketMQ/Redis的线上应用和底层原理,带大家领略下618是如何设计能够支撑高并发高可用亿级流量系统的中间件,通过剖析源码深入理开源中间件架构思想,并将这些思想运用到自己公司项目的架构设计上。

    原价 ¥199,限时 ¥0.1立刻学习!

    长按扫码添加客服????,锁定 ¥0.1 名额,添加请备注"777"

    【直播+录播】【笔记课件】+【源码】

    仅前 200 人有效,先到先得!

    为什么推荐这门特训营课程

    都2021了,作为一位后端工程师去面试时八成会被问到 RocketMQ/Redis,特别是那些大型互联网公司,不仅要求面试者能简单使用 Redis/RocketMQ,还要深入理解其底层实现原理,具备解决常见问题的能力。0.1元即可秒杀价值199的名师特训课程,6月29日-6月30日,2天时间,轻松带你啃下 RocketMQ/Redis 这块“硬骨头”

    购课福利一

    参与直播课听课还有机会获得《RocketMQ/Redis底层原理及架构实战笔记及高频面试解析》:

    参与特训营,即免费赠送!

    长按扫码添加????,锁定 ¥0.1 名额

    仅前 200 人有效,先到先得!

    2天时间,你能收获如下:

    James与King老师将在源码与实战中,手把手带你提升如下:

    1. 掌握Redis线上应用技巧与实战;

    2. 掌握Redis底层源码及阅读思想;

    3. 线上RocketMQ应用操作实战

    4. RocketMQ底层源码与设计;

    5. 熟知大厂面试套路, 彻底搞定Redis与RocketMQ底层架构.

    大厂名师教学,独创课程服务

    架构级大咖主讲,James老师,阿里技术生态专家,十余年Java研发经验

    58资深架构师结合自身实战案例授课

    独创实战特训营闭环,全方位帮助学员提升核心技术,老师1对1指导,系统进阶学习!

    架构级Redis架构底层原理剖析及企业级实战

    16节点干货内容,精心打造

    2天速成精品课

    原价199,限时扫码0.1元 添加请备注"777"

    ????????????

    提供【直播+录播】【笔记课件】+【源码】

    本公众号仅限前200名特惠购买

    购买后请您耐心等待课程顾问通过

    另外,加赠

    【全新Java大厂面试解析+后端进阶完整笔记】

宝骏kiwi 630 730 560 E100 E200 E300 310 510 610 330 530维修手册电路图资料线路图接线图更新 2020-2022年宝骏RS-3维修手册和电路图。2020-2022年宝骏RS-3维修手册和电路图。2019-2021年宝骏RC-6维修手册和电路图。2019-2021年宝骏RC-6维修手册和电路图。2019-2020年宝骏RS-5维修手册和电路图。2019-2020年宝骏RS-5维修手册和电路图。2019-2020年宝骏RM-5维修手册和电路图。2019-2020年宝骏RM-5维修手册和电路图。2019-2021年宝骏510维修手册和电路图。2019-2021年宝骏510维修手册和电路图。 阅读详情

相关推荐

centos7部署mysql8.0.35,主从复制,主主集群

centos7 linux部署mysql,主从复制,主主模式

zaixiaqin的博客 1992

【社招】蚂蚁面经

最近面试了蚂蚁金服的岗位,经过一个多月的战斗最终收获offer,想记录一下整个面试过程希望可以帮助到更多的小伙伴~ 前期准备 简历 一份清晰的简历可以让你更容易获得面试机会,把自己的优势一定要写清楚,这样子才可以在n多份简历里脱颖而出。如果有自己的博客一定要贴上去或者参与过哪些开源项目也要贴上去,不然怎么证明自己对技术的热爱呢? 项目准备 这块是重点,一定要有深入的思考,不能说是按照产品的prd去crud,抽象抽象再抽象!包括项目的技术选型、技术方案评估、异常方案的设计等等。 熟悉岗位JD 在准

程铭程铭你快成名的博客 4358

STM32F103C8T6与OV7670摄像头在TFT屏上的实时数字识别系统实现

本文详细介绍了基于STM32F103C8T6单片机和OV7670摄像头实现实时数字识别系统的全过程。系统通过图像采集、预处理、二值化和模板匹配算法,在TFT屏上实时显示识别结果,并针对资源受限的单片机环境提供了内存与性能优化策略,适用于智能家居、工业仪表读数等低成本嵌入式视觉应用场景。

open4的博客 282

3-6月面经总结,200多页真题笔记和详解(含核心考点及6家大厂)

如果你想进大厂,或者去一个更大、更好的平台,就一定要做好两个准备...

自动化测试技术栈 507

App渗透 - 人脸识别登录绕过

一、APP抓包和逆向破解加密算法打开APP是一个登录框抓包后发现参数被加密了使用Jadx脱源码发现,并没有加壳也没有混淆,运气很好根据经验,先搜索Encrypt、Decrypt等关键字,发现在Common.js中有一个encryptData函数定位过去,一套加解密算法都写好了放在这放到浏览器console里面调试,果然没错二、寻找注入点首先测试了一下注入明文:{"userName":"TEST'...

渗透测试研究中心 2827

OpenClaw(小龙虾) 安装部署教程

OpenClaw(原名Clawdbot)是一个开源的、可本地部署的个人AI助理,它能接入飞书、钉钉等即时通讯工具,帮你处理邮件、管理文件,甚至控制电脑。

qq_40668700的博客 1390

阿里面经总结:阿里三面+交叉面+hr面试

这里写的是我面试的阿里供应链平台事业部的面经。前面的几面,就不写了。最近太忙+身体状态一直不好,没怎么及时的总结,因为最近面试的太多了,觉得都是差不多的吧。 阿里三面:(35分钟左右) 先自我介绍、介绍项目、比赛、以及挑一个你的专利讲一讲 Hashmap知道么?说说底层原理?为什么用链表?链表起的作用是什么? 怎么计算Hash位置的?如果先进来一个数是3,接着又进来一个数是4,两者的has...

胡别致 . 2万+

医学图像处理(一)使用U-Net进行MRI的肝脏分割

医学图像处理(一)使用U-Net进行MRI的肝脏分割数据集搜集训练集和测试集划分问题一: 测试集不包括GroundTruth问题二:T1和T2的数据能一起训练吗?问题三: T1的图像在文件夹中分成了InPhase和OutPhase,这个有什么区别?分离出肝脏将dicom文件转换为png格式数据增强U-net网络搭建自定义DatasetMain.py实验结果总结 图像分割小白一枚,之前接到一个MRI图像肝脏分割的任务。对于医学图像分割,第一想到的就是Unet. Unet在2015的MICCAI上首次提出,在医

qq_34003876的博客 2万+

整懵了,蚂蚁金服6面成功拿下offer涨薪15K,突然觉得跳槽也不是那么难

整懵了,蚂蚁金服6面成功拿下offer涨薪15K,突然觉得跳槽也不是那么难

javaAnPou的博客 2376

DirectX function “GetDeviceRemovedReason“ failed with DXGI_ERROR_DEVICE_HUNG (“The GPU will not resp

游戏报错"DXGI_ERROR_DEVICE_HUNG"的解决方案 在使用RTX 40系显卡运行FIFA 23等游戏时,可能出现DirectX报错导致游戏崩溃。这主要由于最新显卡驱动与DirectX 12的兼容性问题。解决方法包括: 降级显卡驱动版本 修改游戏配置文件,将DIRECTX_SELECT设为1 在显卡控制面板中关闭垂直同步、抗锯齿、DLSS 3等功能 调整电源模式为性能优先 这些操作可以有效解决因驱动兼容性导致的游戏崩溃问题。

猿小白的博客 3899

Arduino IDE 开发ESP32-S3编译报错 Sketch too big?一步步解决!

解决方法很简单,只需要一步步来修改 Arduino IDE 的配置即可。确保你已经打开 Arduino IDE 并加载了你的 ESP32 代码。如果你也遇到了这个问题,按这个方法试试,应该就能顺利搞定!,如果你需要 OTA,就不能选这个方案,需要换成。,但我回头一想,我这块 ESP32-S3 可是。,按理说存储空间应该足够啊,那这到底是咋回事?,默认方案就装不下了,这时就需要选择更大的。按钮,这次应该不会报错了!,然后在下拉菜单中找到。,可以支持更大的固件。如果你的固件体积超过。,就能正常编译上传。

代码简单说 Vue、JAVA、PHP、Node.js 熟练运用,接口、架构、性能全搞定。 2141

泪目跳槽太不容易,蚂蚁金服三轮面试,四个小时灵魂拷问

本人是双非院校科班研究生,Java开发3年工作经验,以下是最近的面试总结: 先说下我的面试准备经历,为了保证自己简历有较大一定的概率通过筛选,我在2018毕业后面试了多家公司,去了一家上海一家小公司一直工作到今年5月。 和往年相比,今年的金三银四看上去不是那么顺利,可能和我的准备不足有关,但是令我惊讶的是第一家给我面试机会的公司竟然是阿里巴巴。一开始接到面试通知时,心情特别复杂,紧张又兴奋,阿里巴巴是出了名的深挖项目实战,实际上我项目部分是相对薄弱的。这次面试,一共三轮,共计四个小时左右,这三轮面试对我

pong123456的博客 2921

彻底讲透 SAP 中的 client-safe:从 CDS、AMDP 到 ABAP Cloud 的客户端隔离设计

SAP系统中的client-safe概念定义了技术边界:访问client-dependent数据的对象必须确保只看到单个client数据,而访问client-independent数据的对象则天然满足条件。这一原则直接影响CDS视图、AMDP等核心组件,并与ABAP Cloud开发模型紧密集成。在业务系统中,client isolation要求用户只能看到当前登录client的数据。SAP通过语言版本、对象规则和静态检查强制执行这一约束,特别是在ABAP Cloud开发中,AMDP方法和发布的API必须满足

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 3274

泪目!跳槽太不容易,蚂蚁金服三轮面试,四个小时灵魂拷问

本人是双非院校科班研究生,Java 开发 3 年工作经验,以下是最近的面试总结: 先说下我的面试准备经历,为了保证自己简历有较大一定的概率通过筛选,我在 2018 毕业后面试了多家公司,去了一家上海一家小公司一直工作到今年 5 月。 和往年相比,今年的金三银四看上去不是那么顺利,可能和我的准备不足有关,但是令我惊讶的是第一家给我面试机会的公司竟然是阿里巴巴。一开始接到面试通知时,心情特别复杂,紧张又兴奋,阿里巴巴是出了名的深挖项目实战,实际上我项目部分是相对薄弱的。这次面试,一共三轮,共计四个小时左右,这三

yyyy11119的博客 2118

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

泪目。跳槽太不容易,蚂蚁金服三轮面试,四个小时灵魂拷问~

面试是跳槽涨薪最直接有效的方式,马上金九银十来了,各位做好面试造飞机,工作拧螺丝的准备了吗?掌握了这些知识点,面试时在候选人中又可以夺目不少,暴击9999点。机会都是留给有准备的人,只有充足的准备,才可能让自己可以在候选人中脱颖而出。网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。需要这份系统化的资料的朋友,可以添加V获取:vip1024b (备注Java)一个人可以走的很快,但一群人才能走的更远!

2401_84434001的博客 820

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

泪目 跳槽太不容易,蚂蚁金服三轮面试,四个小时灵魂拷问

本人从事Java开发多年工作经验,以下是最近的面试总结: 先说下我的面试准备经历,为了保证自己简历有较大一定的概率通过筛选,我在2毕业后面试了多家公司,去了一家上海一家小公司一直工作到次年5月。 和往年相比,今年的金三银四看上去不是那么顺利,可能和我的准备不足有关,但是令我惊讶的是第一家给我面试机会的公司竟然是阿里巴巴。一开始接到面试通知时,心情特别复杂,紧张又兴奋,阿里巴巴是出了名的深挖项目实战,实际上我项目部分是相对薄弱的。这次面试,一共三轮,共计四个小时左右,这三轮面试对我来说,简直是灵魂拷问,至于结

hong7888888的博客 872

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

泪目,今年跳槽太不容易,蚂蚁金服三轮面试,四个小时灵魂拷问,人都麻了

和往年相比,今年的金三银四看上去不是那么顺利,可能和我的准备不足有关,但是令我惊讶的是第一家给我面试机会的公司竟然是阿里巴巴。其中,消息文件(commitlog)的数量是m个,所有消息文件中的消息条数是k条,目标队列对应的索引文件(consumerQueue)的数量是n个,队列中共有j条消息。总的来说,自己如果有想要去的大公司,一定要提升好自己,让自己的能力和素质与公司匹配的上,我也一直相信,机会永远是留给有准备的人。在RocketMQ的群组消费中,每个消费组都会消费主题的一份全量消息吗?...

Q54665642ljf的博客 1587

泪目,跳槽太不容易,蚂蚁金服三轮面试,四个小时灵魂拷问

本人是双非院校科班研究生,Java开发3年工作经验,以下是最近的面试总结: 先说下我的面试准备经历,为了保证自己简历有较大一定的概率通过筛选,我在2018毕业后面试了多家公司,去了一家上海一家小公司一直工作到今年5月。

m0_65634190的博客 339

跳槽太不容易,蚂蚁金服三轮面试,四个小时灵魂拷问,结局我哭了

先说下我的面试准备经历,为了保证自己简历有较大一定的概率通过筛选,我在2018毕业后面试了多家公司,去了一家上海一家小公司一直工作到今年5月。 和往年相比,今年的金三银四看上去不是那么顺利,可能和我的准备不足有关,但是令我惊讶的是第一家给我面试机会的公司竟然是阿里巴巴。一开始接到面试通知时,心情特别复杂,紧张又兴奋,阿里巴巴是出了名的深挖项目实战,实际上我项目部分是相对薄弱的。这次面试,一共三轮,共计四个小时左右,这三轮面试对我来说,简直是灵魂拷问,至于结局,往下看吧! 第一轮面试:1小时28分

weixin_59617360的博客 597

泪目,跳槽太不容易,蚂蚁金服三轮面试,四个小时灵魂拷问

本人是双非院校科班研究生,Java开发3年工作经验,以下是最近的面试总结: 先说下我的面试准备经历,为了保证自己简历有较大一定的概率通过筛选,我在2018毕业后面试了多家公司,去了一家上海一家小公司一直工作到今年5月。 和往年相比,今年的金三银四看上去不是那么顺利,可能和我的准备不足有关,但是令我惊讶的是第一家给我面试机会的公司竟然是阿里巴巴。一开始接到面试通知时,心情特别复杂,紧张又兴奋,阿里巴巴是出了名的深挖项目实战,实际上我项目部分是相对薄弱的。这次面试,一共三轮,共计四个小时左右,这三轮面试对我

wdjnb的博客 227

泪目了,跳槽太不容易,蚂蚁金服三轮面试,四个小时灵魂拷问

和往年相比,今年的金三银四看上去不是那么顺利,可能和我的准备不足有关,但是令我惊讶的是第一家给我面试机会的公司竟然是阿里巴巴。一开始接到面试通知时,心情特别复杂,紧张又兴奋,阿里巴巴是出了名的深挖项目实战,实际上我项目部分是相对薄弱的。这次面试,一共三轮,共计四个小时左右,这三轮面试对我来说,简直是灵魂拷问,至于结局,往下看吧!

z1ztai的博客 133
上一篇: ZooKeeper 基本原理
下一篇: 厉害了,设计了一套千万级可扩展的架构!
公众号-芋道源码
博客等级 码龄10年 1640粉丝 377原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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