零散记录

1.Adaboost, GBDT 与 XGBoost 的区别.GBDT本身又是什么

2.各种batchnorm及其变种。global batch,layer batch,等等

3.优化方法:SGD等等的变种

4.c++的指针和引用的区别;c++的容器;c++的虚函数;c++的向量和list的区别以及适用情况。

5.检测网络的nms(非极大值抑制)丢掉物体,如何减少这种影响。好像是有soft nms这个论文,但是不是通用的法宝,不过有时候会有用

6.2个排序好的数组,如何合并为一个有序的数组。时间复杂度是多少。

   N个排好序的数组,每个数组有n个元素,合并为一个有序数组。时间复杂度是多少。(使用最小堆,如何使用呢)

   说一个时间复杂度比较低的算法

7.对于检测的一些发展史,每一个的改变,比如mask rcnn相对于faster rcnn的改变,等等。

    roi pool ,bn的优点,dropout的训练,测试的时候的作用/设置

8.反向传播的,卷积的反向传播;fc的反向传播;公式的推倒

9.感受野的计算:关于感受野是什么(在卷积神经网络中,感受野(Receptive Field)的定义是卷积神经网络每一层输出的特征图(feature map)上的像素点在输入图片上映射的区域大小。再通俗点的解释是,特征图上的一个点对应输入图上的区域。)

10.滴滴关于机器学习的面试:

    (1)逻辑回归的公式,如何求解的,公式是什么。逻辑回归、线性回归、svm的区别和联系

     (2)判断模型好坏,除了准确率还有什么(recall,F1)。roc曲线是什么,auc是什么,什么含义。如果类别不平衡在评价的时候,用什么指标,类别不平衡的时候,roc曲线会不会变化呢。还有没有别的模型评价指标,都有什么评价指标呢?

     (3)都有什么损失函数,比如0-1损失,这个损失在梯度传播的时候如何求解,会不会就是0呢,这个怎么解决?交叉熵损失如何书写呢?怎么才算是交叉熵呢。

       (4) 决策树,xbgt,gbdt等等

    (5)写一个算法:一个数组里面,寻找第k大的数字。如果全部快排,时间复杂度是O(nlogn),如果部分丢掉的去排序,是O(n)的时间复杂度。

11. roi pooling等的知识点。

12. batch norm的一些知识。l1\l2正则化,哪个更稀疏,稀疏的目的就是为了线性分解。

13. Adam和其它优化器相比的特点有哪些?学习率这种怎么设置?如何得到最优值?

 

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