985、211毕业三年，面试八家大厂，拿下offer，入职美团（Java中高级岗）

跟着我学Java 跟着我学Java 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 700+累计阅读 747平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄6年
关注
原创 2023-01-10 13:28:59 747 阅读 AI 写同款· GEO 优化 ›
2021银四奉上最强干货：Spring全家桶（脑图/面试/进阶学习） 撸了35天，奉上最强干货“全家桶”脑图+面试+进阶学习：Spring+Cloud+Security+Boot+MVC+Spring5，且全篇分为以下三个部分： 脑图篇 面试篇 进阶学习篇 阅读前请注意：这是迄今最全的Spring相关全家桶，脑图+面试+进阶学习，全文篇幅有点长，但干货满满，请仔细阅读！且全文提及的全部手绘脑图的原件、面试解析的原件、进阶学习的笔记PDF原件等全部都可免费分享感兴趣认可你的——100%免费分享请直接点击传送门即可！！ 第一篇：脑图篇 1.1 手绘 Sprin. 阅读详情

自我介绍

本人三年开发，985硕士，211本科，专业都是软件工程，一直投的是Java后台开发，只投过一次网易的测试，技术不是太牛，但是比较努力。实验室没有项目，so项目经验是0，在去年这个时候看到实验室师兄找工作的艰难，因此开始复习的时间比较早。

复习经历写在文末

关于复习最后悔的是leetcode没有刷，有时间一定要刷，有时间一定要刷，有时间一定要刷，对解题思路很有帮助。因为没有项目经验，就在网上找了一个项目，对于项目中的问题一定要很熟，用到的技术不仅要会用，还要理解底层，反正每次都会被问，感觉面试官对什么高并发的东西挺感兴趣的。

我主要是想找成都的公司，但是最开始海投的时候，不管公司在哪里，我都投了，反正投的公司有几十家，我认为多面几家公司可以多增加一点面经。多关注一些技术群，有很多内推信息（很多公司内推可以免笔试，这是很爽的！！），我的前两个offer都是内推的（美团和携程），因为美团是成都的，自己也比较满意，所有后面很多公司的面试都没有去，但是建议还投的时候还是都投，先拿一个心里有底。

排名按面试时间

蚂蚁金服（内推）

面了3面技术，面hr （在池子中泡了3个多月，最后还是gg了）。

一面

这是我秋招的第一次面试，别提多紧张了，声音都在发抖，自我介绍都不知道说什么。。。

  1. 自我介绍（说的很乱）
  2. 序列化的底层怎么实现的
  3. synchronized的底层怎么实现的
  4. tomcat集群怎么保证同步
  5. 了解nosql吗？redis？
  6. 怎么解决项目中超卖的问题
  7. int的范围
  8. 有什么想问的？

二面

清楚的记得二面是在晚上7点左右，刚走到教研室楼下，看见是杭州的电话，顿时激动了，然后一接，果然是阿里，因为下面很吵，我就一口气跑到5楼，然后喘着粗气进行自我介绍。。尴尬

  1. 问了项目中超卖的问题怎么解决
  2. 你熟悉什么数据结构
  3. 说说快排，我说了快拍实现的过程，相当于口述代码，然后问了复杂度
  4. int的范围，我说的是2的-31次方到2的31次方-1，面试官说具体点，我就不知道了
  5. 乐观锁vs悲观锁
  6. gc
  7. concurrenthashmap分段锁的细节
  8. 设计模式怎么分类，每一类都有哪些
  9. 并发包里了解哪些
  10. b树，b+树，b*树
  11. 字节与字符的区别

三面

一二面只隔了2,3天，三面和二面隔了2周，当时一直以为自己挂掉了，接到电话也很突然。

  1. 自我介绍
  2. 项目
  3. 知道哪些服务器？答：JBoss，Apache，weblogic。问：区别？
  4. Java有什么后端技术
  5. springIOC优点
  6. jdk动态代理 vs cglib动态代理，他们底层分别怎么实现的
  7. synchronizedMap知道吗？他和concurrenthashmap分别使用于什么场景？
  8. https过程?公钥能用公钥解吗？在客户端抓包，看到的是加密的还是没加密的？当时乱猜的加密，面试官说不对，是没加密的
  9. 描述一下java线程池。
  10. 怎么保证redis和db中的数据一致
  11. 设计模式怎么用到项目中？
  12. 类加载

hr面

不记得3面和hr面之间间隔多久了，也是晚上6,7点收到的电话。

  1. 自我介绍
  2. 有什么优点？
  3. 有什么缺点？
  4. 项目中遇到的困难？怎么解决
  5. 意向城市 时间已经过去太久了，只记得这么多，可能有些问题不是阿里面试官问的，但都是在面试过程中遇到的，希望能帮到更多的人。

携程（offer）

内推-只有一次视频面。

  1. 链表的定义
  2. 怎么实现链表翻转
  3. 怎么判断链表是否有环
  4. 二叉平衡树，怎么用一维数组存储
  5. 讲讲jvm分区
  6. 讲讲jvm gc
  7. 怎么求数组的最大子序列和
  8. final关键字4种用法
  9. sleep用法
  10. await关键字
  11. 线程池
  12. spring ioc，aop以及其优点
  13. 栈和堆的定义

现在记得的只有这么多了。

美团

成都提前批（收到offer）。

在河畔上看到的内推消息，然后就发了邮件，3、4天后，收到邮件让去公司面试，在天府三街附近。

一面

先给了一个A4纸，上面写满了题，然后就做题。做完题就自我介绍，说项目，问项目里的东西（自己一定要对项目里用的东西很熟，还要明白底层原理，我用了redis，面试官就问了redis怎么实现），然后就问java基础，面了40分钟吧，然后就让我在外面等，过了一会，二面面试官来了。

试卷题目，只记得部分

一、简答题

1.浏览器访问一个网址的时候都有哪些过程（还要了解DNS查找的过程）

2.tcp三次握手，四次分手

3.线程池

4.你了解的设计模式（面试官说什么单例模式就不用说了）

二、编程题

1.二分查找

2.树的中序遍历

三、智力题

给你一个5L和3L桶，水无限多，怎么到出4L

二面

面试官问我觉得一面面的怎么样，我。。。。然后就看我做的试卷，我竟然连二分查找都写错，面试官说不对，然后我改了改就好了，然后面试官就问还有什么可以优化的地方吗？我只说出来一个。。然后又是自我介绍，说项目，问项目，问基础。差不多也是40分钟。

三面

过了几天，收到3面邮，应该是部门boss，也是自我介绍，然后出了两个题。

1）一个n*n的矩阵，按副对角线打印

2）4个瓶盖换1瓶酒，要和150瓶酒，他自己最少多少瓶？然后问了职业规划。感觉有1个小时。

hr面

北京的电面，就随便聊聊。

58现场面试（offer）

两面技术，一面hr，然后就让我回来了。

技术一面

1.自我介绍

2.根据58笔试题，看着问的 服务器之间怎么通信，写了一个链表反转，项目中nginx怎么配置的，什么硬件条件可以实现多线程，什么情况下多线程才能发挥作用，mysql索引底层是什么，b 树和hash应用场景 技术二面 讲项目，什么是乐观锁，以后的规划。

hr面

1.项目流程

2.项目中遇到的问题，怎么解决

3.自己最大的缺点

4.喜欢和什么样的人合作，不喜欢和什么样的人合作

5.了解58吗

6.找工作有区域限制吗？家人支持吗

7.讲了讲学生活动，一个活动怎么组织的

8.有其他公司offer吗？

中兴（一面挂）

所有人在一个大厅里面，很多面试官，每个人两个面试官。

1.自我介绍

2.手撕代码1）怎么写多线程2）1,2,3,4组成的不重复三位数，都用代码写出来

3数据库会不会，我说可以，他问会什么，我说索引，然后让写sql，让我建一个表，我说这种我都是百度的，然后让我写了两个查询

4.问项目

5.会linux吗？答不怎么用，会常用命令

6.愿不愿意转测试，答不愿意，问看不起测试吗？答不是，只是自己喜欢研发

7.意向城市，答成都，只有成都吗？答，嗯

滴滴（二面挂，现场面）

一面

1.一来就手撕代码，给你三个string s1，s2和s3,判断s3能不能由s1和s2组成，s1和s2内部元素相对位置不能变，比如a 和bc,可以组成的有abc bac bca，我写的暴力的，在面试官的指导下改为了动态规划，不过最后还有不对的地方

2.自我介绍

3.hashcode和equals区别

4.实现一个类，要求要放在hashset里

5.你了解哪些设计模式？我说了一些，然后让写了一个单例，我用枚举写了一个，感觉面试官不懂，说再写一个，然后写了一个双重检查的

6.你还有什么要问的？

二面

1.说项目，被批的很惨

2.写了四次分手的图，然后问若客户端和服务器之间，1s会发生5000到6000次短链接，会发生什么问题

3.手撕代码，不断优化，最后应该是对了

4.你有什么问的吗？

招银网络（offer，现场面）

一面

  1. 自我介绍
  2. 问项目
  3. 用过log4j吗？把他输出到数据库用过吗？
  4. 一致性hash，怎么解决hash冲突
  5. 除了写代码，有什么爱好
  6. 怎么保证写的代码出错少
  7. 写自己项目中类的函数声明
  8. 有没有遇到什么有印象的bug

二面

项目，没什么好说的，反正问的很深，被怼死了。

hr面

自我介绍；得过哪些奖；家是哪里；选公司的标准；抗压的能力；父母是做什么的，具体一点；父母对于你找工作的意见。

对开发工作的要求，我本来说的不想做android，后来我问他们公司业务时，听hr的意思就是，如果一个项目用c写，你就用c，如果用c#，你就用c#，如果是ios，你又用iso，具体用什么语言都不确定的，然后我就说我什么都愿意做。。。。就酱。

华为（offer，现场面）

一面

1.自我介绍

2.自己实现一个链表，写了以后也不说对不对

3.说项目，问了很多，还让画框架图

4.写生产者消费者代码，我用的阻塞队列

5.说我不适合研发，让转测试或资料

6.说发的论文的算法

二面

1.自我介绍

2.平时怎么提高自己的编程能力，我说刷题，他问频率，我说不忙的时候一天一次，然后他说既然刷那么多次，怎么笔试成绩还这么低。。。感觉自己给自己挖了一个坑

3.意向城市

4.自己的缺点，怎么改进

5.项目中遇到的最大的困难

6.在课题中遇到的最大困难

7.你们4人合作项目是怎么分工的

8.你有什么想问的

贝贝网

一面

1.自我介绍

2.java同步机制有哪些

3.equals和hashcode区别和联系

4.进程和线程讲讲

5.equals和==区别

5.代码题，没让写，只说了思路，有n个长方形，每个的长宽为x,y，从下往上堆，要求上面的长宽小于下面的长宽，求最多可以堆几层

6.在浏览器输入一个网址到得到页面的过程，越详细越好

二面

1.自我介绍

2.问项目，问的很深，还有什么可以改进的

3.同1面的6题

4.进程vs线程

5.平时怎么学习

6.写sql

hr面

hr和二面在一起，先二面然后hr面

1.你本来不是杭州人，愿意来杭州工作吗？为什么

2.有关注杭州其他企业吗

3.周末平时干什么

4.还有什么问题

面试前我是如何“啃”书复习，刷题提升的

面试前一段时间我不断找资料学习，也通过很多渠道和朋友要到一份美团架构师写的Java面试宝典（284篇）我把美团架构师给我的一份Java面试宝典啃完了，从而还找了Java后端以及一些大厂的面试场景和面试题不断刷题提高自己的眼界

Java核心面试宝典复习知识

这本Java核心知识把每个知识点解析的很深，对大家应该很有帮助，它把大部分的Java知识集结在一起深入的解析出来（非常建议大伙看一看）

这本文档覆盖了JVM、锁、并发、Java反射、Spring原理、微服务、Zookeeper、数据库、Redis、数据结构、算法、大数据等大量知识点。

Java部分：Java基础，集合，并发，多线程，JVM，设计模式

数据结构算法：Java算法，数据结构

开源框架部分：Spring，MyBatis，MVC，netty，tomcat

分布式部分：架构设计，Redis缓存，Zookeeper，kafka，RabbitMQ，负载均衡等

微服务部分：SpringBoot，SpringCloud，Dubbo，Docker

求来的大厂面试场景（为了学习提升可以没脸没皮，啊哈哈哈）

我针对这些大厂的面经场景也找了很多题刷，对自身的提升也是非常大（还特意要了份面试答案）

面试答案

既然是要面试，那么就少不了刷题，实际上面试前，哪儿也去不了，我自己是刷了不少面试题的，所以在面试过程中才能够做到心中有数，基本上会清楚面试过程中会问到哪些知识点，高频题又有哪些，所以刷题是面试前期准备过程中非常重要的一点。

根据自身面试经历整理以及不断收集的（珍藏版）

相关的电子书、底层源码

阿里巴巴面试必备知识想进大厂的朋友们可以获取看看（对面试进大厂帮助很大）

对于大厂面试，我最后想要强调的一点就是心态真的很重要，是决定你在面试过程中发挥的关键，若不能正常发挥，很可能就因为一个小失误与offer失之交臂，所以一定要重视起来。另外提醒一点，充分复习，是消除你紧张的心理状态的关键，但你复习充分了，自然面试过程中就要有底气得多。

收录于
程序员

当前文章被收录于：

程序员
1315 篇文章 28 人学习
订阅专栏 查看详情
Java

当前文章被收录于：

Java
1232 篇文章 12 人学习
订阅专栏 查看详情
面试

当前文章被收录于：

面试
978 篇文章 11 人学习
订阅专栏 查看详情
标签
#面试 #java #职场和发展 #程序员 #开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
死磕JAVA10余年，呕心整理出了核心知识点已经做成PDF，无私奉献 想在面试、工作中脱颖而出？想在最短的时间内快速掌握 Java 的核心基础知识点？想要成为一位优秀的 Java 工程师？本篇文章能助你一臂之力！目前正值招聘求职旺季，很多同学对一些新技术名词都能侃侃而谈，但对一些核心原理理解的不够透彻，特别是对 Java的一些核心基础知识点掌握的不够，例如JVM、常用的算法和数据结构等。正所谓万丈高楼平地起，只有把基础掌握的牢固，才能走的更远，面对不断更新的技术才能快速掌握，同时在面试、工作中也更能脱颖而出！ 阅读详情

相关推荐

Zephyr，设备树概述

Zephyr使用设备树(DTS)描述硬件配置，通过设备树源码和绑定文件生成C头文件供开发使用。设备树采用树状结构，节点对应硬件设备，属性描述硬件特性。示例展示了I2C总线及其外设的节点层级关系，包括单元地址、兼容性标识等关键属性。构建系统将设备树转换为devicetree.h中的宏，使开发者能通过DT_前缀宏访问硬件信息，同时保留Kconfig覆盖默认值的能力。

汽车电子软件领域知识分享 722

985硕毕业，面试13家企业，拿7个大厂offer，回顾面试总结

这是我在面试全部结束之后才明白的事情，希望你在面试开始时就意识到，对面的面试官大概率就是工作的leader，他的技术水平、性格脾气、沟通能力都将决定你的工作氛围，他在考察你，你也在考察他，珍惜这次机会，认真与他进行沟通并记录，会成为你最后进行offer选择的一个重要因素，公司的平台重要，但更重要的其实是朝夕相处的同事与领导。最好的职业选择是善于做的、希望做的、并且能赚钱的，但是小白不可能会有这么如意的事情，在选择的时候，可以根据下面的图来衡量自己所选的岗位与自己能力之间的差距，然后根据不同情况进行改变。

m0_63437643的博客 917

深入解析JESD204B Subclass 1中的SYSREF与LMFC同步机制

本文深入解析了JESD204B Subclass 1协议中的核心同步机制，重点阐述了SYSREF信号如何作为系统级参考，对齐所有设备内部的本地多帧时钟（LMFC），从而实现高速多通道数据采集系统中的确定性延迟。文章结合实战经验，详细说明了硬件设计、时序要点及软件配置流程，是解决多ADC芯片同步对齐问题的关键指南。

weixin_29271263的博客 398

面试记录：99年的应届毕业生，学历985要从事软件测试这种低端岗位技术！

今天面试了一个99年的应届毕业生，学历985，她要求一个月13000，来我公司应聘软件测试，学历这么高。干这份工作有点屈才，像她种学历一般都是搞研发的。 整个面试过程是我面试她的。 她说：学历985（本科）软件工程专业，由于自己的兴趣爱好就选择软件测试这个方向，目前在学校学过Java，数据库，数据结构，数据挖掘……等知识。 面试我问她：高考考了多少分？ 她说：考了655分，其中数学146分，理综286分，由于自己数学学得很好，就选择读计算机专业，本来想在学校学习算法开发的，经过大二一年的学习，发现算法真的.

测试萌萌 3152

【鸿蒙实战开发】HarmonyOS申请调试签名证书过程

这份鸿蒙（HarmonyOS NEXT）资料包含了鸿蒙开发必掌握的核心知识要点，内容包含了（ArkTS、ArkUI开发组件、Stage模型、多端部署、分布式应用开发、音频、视频、WebGL、OpenHarmony多媒体技术、Napi组件、OpenHarmony内核、Harmony南向开发、鸿蒙项目实战等等）鸿蒙（HarmonyOS NEXT）技术知识点。

HarmonyOS_002的博客 3561

双有源桥DC-DC变换器：原理、软开关与移相控制深度解析

隔离型DC-DC变换器是电力电子系统的核心部件，通过高频变压器实现电气隔离与电压匹配，保障系统安全与灵活适配。其工作原理基于功率半导体器件的开关动作，通过调制策略控制能量传输。该技术的核心价值在于实现高效、高功率密度的电能转换，并支持双向能量流动，这对于提升系统整体能效和运行灵活性至关重要。在新能源储能、电动汽车V2G及数据中心供电等场景中，双向能量流成为刚性需求，推动了如双有源桥等先进拓扑的应用。本文聚焦于双有源桥这一实现高效双向隔离变换的“明星”方案，深入剖析其利用移相控制实现软开关的机理。通过分析谐振

weixin_34195142的博客 379

211硕士 进大厂美团亲身经验分享-面试不算难（学累了进来看看）

大猛子劝学。1、自己的学习路线2、培训结束收到offer经历 1、自己的学习路线 都说JAVA开发很赚钱， 我苦心专研了两年，其中参加了不少的培训。最终成功入职美团 首先在这里附上我的Java学习路线。 学习路线太多了我就不贴了，自己可以选择下边任意一个方式下载获取。 方法1 百度网盘下载链接： 链接: https://pan.baidu.com/s/1dqoTOWfCk_TR5Sn34AN6Yg 提取码: sri2 复制这段内容后打开百度网盘手机App，操作更方便哦 方法2 csdn下载 下

m0_50736744的博客 2324

【从零开始学习 SystemVerilog】1.1、SystemVerilog 概述

【从零开始学习 SystemVerilog】1.1、SystemVerilog 概述

努力，加油每一天鸭~ 1037

985、211毕业一年，面试八家大厂，四面拿美团offer（Java后端）

做完题就自我介绍，说项目，问项目里的东西（自己一定要对项目里用的东西很熟，还要明白底层原理，我用了redis，面试官就问了redis怎么实现），然后就问java基础，面了40分钟吧，然后就让我在外面等，过了一会，二面面试官来了。然后又是自我介绍，说项目，问项目，问基础。对开发工作的要求，我本来说的不想做android，后来我问他们公司业务时，听hr的意思就是，如果一个项目用c写，你就用c，如果用c#，你就用c#，如果是ios，你又用iso，具体用什么语言都不确定的，然后我就说我什么都愿意做。

代码界的扛把子 1389

爬虫Incapsula reese84加密案例：Etihad航空

声明：该文章为学习使用，严禁用于商业用途和非法用途，违者后果自负，由此产生的一切后果均与作者无关。

老衲爱洗头的博客 2429

基于MUSIC算法的DOA估计Matlab仿真

特别需要指出的是：通道与阵元并不是一一对应，通道是由空间的一个、几个或所有阵元合成的，当然空间某个特定的阵元可包含在不同的通道内。空间谱估计侧重于研究空间多传感器阵列所构成的处理系统对感兴趣的空间信号的多种参数进行准确估计的能力，其主要目的是估计信号的空域参数或信源位置，这也是雷达、通信、声纳等许多领域的重要任务之一。从系统框图中可以清晰的看出，估计空间相当于是对目标空间的一个重构过程，这个重构的精度由众多因素决定，如环境的复杂性、空间阵元的互耦、通道不一致、频带不一致等。

FPGA/MATLAB学习教程/源码/项目合作开发 1747

java审批邮件怎么发_985、211毕业一年，面试八家大厂，四面拿美团offer（Java后端）...

自我介绍本人三年开发，985硕士，211本科，专业都是软件工程，一直投的是Java后台开发，只投过一次网易的测试，技术不是太牛，但是比较努力。实验室没有项目，so项目经验是0，在去年这个时候看到实验室师兄找工作的艰难，因此开始复习的时间比较早。复习经历写在文末关于复习最后悔的是leetcode没有刷，有时间一定要刷，有时间一定要刷，有时间一定要刷，对解题思路很有帮助。因为没有项目经验，就在网上找了...

weixin_42522389的博客 843

MATLAB代码实现了一个柱塞泵配流盘过流面积的计算和可视化功能

该MATLAB代码实现了一个柱塞泵配流盘过流面积的计算和可视化功能。输出曲线可直接用于验证设计的合理性（如是否存在过流面积突变或不足）。的不同范围，选择对应的几何模型计算过流面积。通过分段逻辑计算柱塞腔在不同旋转角度（过流面积在特定条件下会被限制（如。），确保结果符合物理实际。条件分支，根据旋转角度。

huanghm88的专栏 582

985、211 毕业一年，面试八家大厂，四面拿美团 offer（Java 后端）

一面这是我秋招的第一次面试，别提多紧张了，声音都在发抖，自我介绍都不知道说什么。。。自我介绍（说的很乱）序列化的底层怎么实现的synchronized的底层怎么实现的tomcat集群怎么保证同步了解nosql吗？redis？怎么解决项目中超卖的问题int的范围有什么想问的？二面清楚的记得二面是在晚上7点左右，刚走到教研室楼下，看见是杭州的电话，顿时激动了，然后一接，果然是阿里，因为下面很吵，我就一口气跑到5楼，然后喘着粗气进行自我介绍。。尴尬问了项目中超卖的问题怎么解决。...

weixin_70730532的博客 495

OV9734 DATASHEET，完整规格书

OV9734完整规格书，包括电气参数，尺寸规格，寄存器配置表等

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，

985、211毕业一多年，面试多次八家大厂，四面拿美团offer（Java后端）

一面这是我秋招的第一次面试，别提多紧张了，声音都在发抖，自我介绍都不知道说什么。。。自我介绍（说的很乱）序列化的底层怎么实现的synchronized的底层怎么实现的tomcat集群怎么保证同步了解nosql吗？redis？怎么解决项目中超卖的问题int的范围有什么想问的？二面清楚的记得二面是在晚上7点左右，刚走到教研室楼下，看见是杭州的电话，顿时激动了，然后一接，果然是阿里，因为下面很吵，我就一口气跑到5楼，然后喘着粗气进行自我介绍。。尴尬问了项目中超卖的问题怎么解决。...

m0_62051288的博客 160

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")

全网最全JAVA面试八股文，终于整理完了

全网最全JAVA面试八股文，终于整理完了

javaAnPou的博客 2万+
上一篇： 阿里最全面试100题：阿里天猫、蚂蚁金服、阿里巴巴面试题含答案
下一篇： 阿里、腾讯、美团等P7岗位Java高级岗面试都是什么样？
点赞 0
评论 0
书签 书签 0
跟着我学Java
跟着我学Java
博客等级 码龄6年 660粉丝 1341原创
+ 关注 专栏目录 订阅专栏
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
 
表情包 插入表情
表情包 代码片
 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