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？