第六章（1(1)，2024年最新中软国际 面试

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Java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。

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，涵盖了95%以上Java开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注Java）

正文

一、简介

• 长短期记忆网络

• LSTM（Long-Short Term Memory）是递归神经网络（RNN:Recurrent Neutral Network）的一种。

RNNs也叫递归神经网络序列，它是一种根据时间序列或字符序列（具体看应用场景）自我调用的特殊神经网络。将它按序列展开后，就成为常见的三层神经网络。常应用于语音识别。

• 虽然前馈神经网络取得很大成功，但它无法明确模拟时间关系，并且所有数据点都是固定长度的向量。所以就诞生了递归神经网络，递归即自我调用，递归神经网络与其他网络的不同之处在于它的隐含层是能够跨越时间点的自连接隐含层，隐含层的输出不仅进入输出端，还进入了下一个时间步骤的隐含层，所以它能够持续保留信息，能够根据之前状态推出后面的状态。

• 由于独特的设计结构，LSTM适合于处理和预测时间序列中间隔和延迟非常长的重要事件

二、实战代码

• 语料中的小说摘自17k小说网的一篇小说

• 小说地址（novel.txt）：http://www.17k.com/list/2793873.html

• 

• data.py

#!/bash/bin

--coding=utf-8--

import tensorflow as tf

import codecs

import os

import jieba

import collections

import re

“”"

将小说进行分词，去除空格，建立词汇表与id的字典，生成初始输入模型的x与y

“”"

def readfile(file_path):

f = codecs.open(file_path, ‘r’, ‘utf-8’)

alltext = f.read()

alltext = re.sub(r’\s’, ‘’, alltext)

seglist = list(jieba.cut(alltext, cut_all=False))

return seglist

def _build_vocab(filename):

data = readfile(filename)

counter = collections.Counter(data)

count_pairs = sorted(counter.items(), key=lambda x: (-x[1], x[0]))

words, _ = list(zip(*count_pairs))

word_to_id = dict(zip(words, range(len(words))))

id_to_word = dict(zip(range(len(words)), words))

dataids = []

for w in data:

dataids.append(word_to_id[w])

return word_to_id, id_to_word, dataids

def dataproducer(batch_size, num_steps, filename):

word_to_id, id_to_word, data = _build_vocab(filename)

datalen = len(data)

batchlen = datalen // batch_size

epcho_size = (batchlen - 1) // num_steps

data = tf.reshape(data[0: batchlen * batch_size], [batch_size, batchlen])

i = tf.train.range_input_producer(epcho_size, shuffle=False).dequeue()

x = tf.slice(data, [0, i * num_steps], [batch_size, num_steps])

y = tf.slice(data, [0, i * num_steps + 1], [batch_size, num_steps])

x.set_shape([batch_size, num_steps])

y.set_shape([batch_size, num_steps])

return x, y, id_to_word

• lstm.py

#!/bash/bin

--coding=utf-8--

import tensorflow as tf

from data import *

import numpy as np

import random

def random_distribution():

“”“Generate a random column of probabilities.”“”

b = np.random.uniform(0.0, 1.0, size=[1, vocab_size])

return b / np.sum(b, 1)[:, None]

def sample_distribution(distribution): # choose under the probabilities

“”"Sample one element from a distribution assumed to be an array of normalized

probabilities.

“”"

r = random.uniform(0, 1)

s = 0

for i in range(len(distribution[0])):

s += distribution[0][i]

if s >= r:

return i

return len(distribution) - 1

def sample(prediction):

d = sample_distribution(prediction)

re = []

re.append(d)

return re

模型参数设置

learning_rate = 1.0

num_steps = 35

hidden_size = 300

keep_prob = 1.0

lr_decay = 0.5

batch_size = 20

num_layers = 3

max_epoch = 14

语料文件

filename = ‘novel.txt’

x, y, id_to_word = dataproducer(batch_size, num_steps, filename)

vocab_size = len(id_to_word)

size = hidden_size

建立lstm模型

lstm_cell = tf.nn.rnn_cell.BasicLSTMCell(size, forget_bias=0.5)

lstm_cell = tf.nn.rnn_cell.DropoutWrapper(lstm_cell, output_keep_prob=keep_prob)

cell = tf.nn.rnn_cell.MultiRNNCell([lstm_cell], num_layers)

initial_state = cell.zero_state(batch_size, tf.float32)

state = initial_state

总结

互联网大厂比较喜欢的人才特点：对技术有热情，强硬的技术基础实力；主动，善于团队协作，善于总结思考。无论是哪家公司，都很重视高并发高可用技术，重视基础，所以千万别小看任何知识。面试是一个双向选择的过程，不要抱着畏惧的心态去面试，不利于自己的发挥。同时看中的应该不止薪资，还要看你是不是真的喜欢这家公司，是不是能真的得到锻炼。其实我写了这么多，只是我自己的总结，并不一定适用于所有人，相信经过一些面试，大家都会有这些感触。

**另外本人还整理收藏了2021年多家公司面试知识点以及各种技术点整理 **

下面有部分截图希望能对大家有所帮助。

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！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-OgFwbQlN-1713545051133)]

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）
[外链图片转存中…(img-dQ1OHvRB-1713545051134)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！