Hello Word!

【代码】C++反转单链表。

【代码】Python双向链表插入节点。

被const修饰的变量变成常量，不能被再次赋值。如果取它的地址再重新赋值，可能会发生意想不到的行为。在其前面再加 volatile，可以让编译器忽略 const的修饰。

https://blog.51cto.com/u_14637764/2514256https://codeantenna.com/a/ia2IOE09by

把卷积最后一层输出的feature map上不同大小的候选框（对应原图上的候选框），转换为相同大小的特征，作为下一层全连接的输入。使用双线性内插的方法获得坐标为浮点数的像素点上的图像数值,从而将整个特征聚集过程转化为一个连续的操作。将主流目标检测器分为：input，backbone, neck,head。ROI Pooling和ROI Align：都是把特征图上不同大小的ROI转换成相同大小的输出特征。ROI Align （Mask RCNN中提出）：是对ROI Pooling的改进，主要区别是。

反转遍历找中间节点大文件（GB级别）搜索、查找及优化查找速度的方法

# kmeans 聚类import numpy as npdef kmeans(data,num,max_iter,tol): # step1 centers = {} for i in range(num): centers[i] = data[i] # step2 for i in range(max_iter): clf = {} for feature in data:

如果该层进行了dropout, 相当于有p的概率被丢弃，(1-p)的概率被保留，则此层的期望为(1-p)假设失活概率为 p ，就是这一层中的每个神经元都有p的概率失活，这样在训练和测试时，输出层每个神经元的输入和的期望会有量级上的差异。将网络层的输出分布强制转为均值为0，方差为1的分布之后，为了部分还原，又乘以伽马（γ，scale)，加上贝塔(β，shift)。0=(1-p)a, 为了保证输入与输出的期望一致，需要在训练的时候，对bn层的输出做：y = y / (1-p) 的处理。

https://resources.wolframcloud.com/NeuralNetRepository/resources/2D-Face-Alignment-Net-Trained-on-300W-Large-Pose-Datahttp://www.cbsr.ia.ac.cn/users/xiangyuzhu/projects/3DDFA/Database/300W-LP/main.htm[300W-3D]: https://drive.google.com/file/d/0B7OEHD3T4e

NMS（非极大值抑制）作用：候选框很多的时候，根据阈值，去掉重叠度高的候选框Python实现：pass

svm可以处理回归问题吗？可以。svm是为了训练出超平面y=wx+by=wx+by=wx+b，回归的时候直接使用y做为预测值逻辑回归解决回归问题还是分类问题？分类问题线性回归公式：y=wT∗x+by=w^T*x+by=wT∗x+bsigmoid函数：y=11+e−xy = \frac{1}{1+e^{-x}}y=1+e−x1​逻辑回归公式（同时结合线性回归和逻辑回归）：y=11+e−wTxy=\frac{1}{1+e^{-w^Tx}}y=1+e−wTx1​...

多线程在什么场景下使用？pytorch加载数据、浏览器打开页面、下载一个进程的多个线程，如果一个崩溃了，进程会崩溃吗？有可能崩溃，因为线程之间没有隔离，且共享同一内存空间，某个线程的行为可能影响进程内的其他线程并发和并行的区别？并行是并发的子集（并发包括并行，并行是一种并发）。并发不一定同时执行。并行是时间上同时执行（如多核处理器）。...

4邻域：一个像素的上下左右相邻的 4个像素8邻域：一个像素的上下左右和对角线相邻的 8个像素4邻接：像素和它的4邻域的4个像素是4邻接的8邻接：像素和它的8邻域的8个像素是8邻接的满足4邻接或者8邻接的像素之间具有邻接性。m邻接的定义：V={1}是定义邻接性的集合，即如果两个像素都为1，且满足4/8邻接要求的话，那么它们是邻接的两个像素（p,q）满足以下两个条件之一则认为是m邻接：p q是4邻接的p q 的4邻域交集为空（交集中的元素不在V中）采用m邻接（不是4邻接、也不是8邻接）的

ssssssssssssssss

python查找一个字符串是否包含字符列表中的所有字符，并且连续（可重复）。如果满足，返回首个字符出现的位置如果不满足，返回-1#coding=utf-8def judge(c,s): for i in c: try: assert i in s except: return -1 slist = [] for i in s: slist.append(i) c.sort(

简单记录，如不完善请提醒我# *args 直接传入值def aaa(b,c,*args): if 'd' in args: print('d!') # **kwargs 传入dict def bbb(d,e,**kwargs): if 'f' in kwargs.keys(): print('f!!') if __name__ == '__main__': aaa(1,2,'d') bbb

MAP每个类别的 平均precisionAP：PR曲线下的面积precision和recall公式 含义precision：所有实际预测为正的结果里面（TP+FP），真正正确的有多少（TP）recall：所有应该预测为正的结果里面（TP+FN），真正正确有多少（TP）为什么只关注TP，难道负样本不重要吗？？目标检测不关注负样本，负样本是背景实现random crop不超过边界R50结构详细Alexnet结构详细如何解决快慢动作适应，漏帧、漏动作ROCTAR TPR F..

和ResNet的区别：ResNet是求和，而DenseNet是做一个拼接。**每一层网络的输入为：当前输入+前面所有层网络的输出。**第L层的输入等于K x (L-1) + k0，其中k是生长率，表示每一层的通道数。提升信息和梯度在网络中的传输效率：每层都能直接从损失函数拿到梯度，并且直接得到输入信号。目的：训练更深的网络，有正则化的效果。其他网络致力于从深度和宽度来提升网络性能，而DenseNet从特征重用的角度来提升网络性能细节：一个完整的dense net，包括3个dense block.

inception v1把googleNet的某一些大的卷积层换成11, 33, 5*5的小卷积，减少权重参数量以上三种卷积并列，3x3池化并列为什么不直接使用11的，而还需要33和5*5？是为了适应更多的尺度，不受输入图像被缩放的影响（相当于金字塔）inception v1加强版网络结构没有太大变化。输入增加BN （训练收敛更快，学习更高效，可以减少dropout的使用）。具体步骤：求batch均值，求batch方差，对输入进行归一化，归一化之后再进行缩放和平移（输入x乘以伽马、加上贝塔

mobilenet v1将标准卷积改为3x3的深度分离卷积（depthwise） 和 1x1点卷积（pointwise）mobilenet v2根据流形学习得出结论：ReLU导致的较多的信息损耗。但是不能直接用线性激活代替RELU，所以：在输出通道较少的时候用线性激活函数，其他时候ReLU6relu6: y= min(max(0,x), 6), 通过实验发现用6最好。图像：根据流形学习得出结论：如果增加通道数量能够减少信息损失就使用更多通道。所以：使用ReLU6的时候，增加通道数为输

YOLO将物体检测这个问题定义为bounding box和分类置信度的回归问题。将整张图像作为输入，划分成SxS grid，每个cell预测B个bounding box（x, y, w, h）及对应的分类置信度（class-specific confidence score）。分类置信度是bounding box是物体的概率及其与真实值IOU相乘的结果。SSD将物体检测这个问题的解空间，抽象为一组预先设定好（尺度，长宽比）的bounding box。在每个bounding bo

参考：https://zhuanlan.zhihu.com/p/56075793

1，n个有序链表的合并：除了两两合并之外，更高效的方法2，为什么batch训练可行：loss的推导。。loss是加和形式，独立同分布，。。3，决策树的分界面形状4，异常检测lof， oneclass svm5，如何解决梯度消失和梯度爆炸6，哈希表、最小堆、堆排序、常见数据结构和算法7，如何解决过拟合8，...

1，极大似然估计的过程 先假定类别c的类条件概率p(x|c)具有某种确定的概率分布形式（如正态分布），再基于对训练样本对概率分布的参数（如u, σ^2）进行估计。具体步骤： 写出似然函数 取对数 求偏导，令偏导为0 得出最大似然估计的参数值 2，kmeans理论基础、理论依据算法属性： 无监督的聚类算法算法思想：...

1，CNN的原理是什么？作用是什么？什么是池化？ 2，CNN的模型有哪些？     LeNet5、AlexNet 、VGG、GoogleNet、ResNets3，朴素贝叶斯公式 2，自然语言处理：HMM等算法？3，hadoop 和 spark 是什么？Yarn是什么？4，传统数据库、redis、hbase、hive区别？ 5，hdfs是什么？hdfs由几大模...

原文：https://blog.youkuaiyun.com/tkkzc3E6s4Ou4/article/details/79988599?utm_source=blogxgwz0https://www.jianshu.com/p/fffc15c9d31dhttp://m.elecfans.com/article/622680.htmlhttps://zhuanlan.zhihu.com/p/44...

python1， range(0,10，7)这种形式是什么意思2，装饰器3，迭代器4，输出全排列，升序string data abccombine(string[])abc, acb, bac, bca, cab, cba5，lamda: 6，x=[x for x in range(1,10,7)] 含义7，输入：ab2abc3a1   输出

1,input= uid1 house: 1             uid1 car: 1              uid1 recruit: 2             uid1 house: 2             uid2 house: 1             uid2: car: 3...注：日志文件格式为：同一个uid的信息显示完了再显示下

1，监督学习和无监督学习区别2，人工神经网络和深度神经网络的区别3，所设计的手写识别算法支持向量的长度4，SMO算法的功能5，SVM优化的参数6，机器学习和Spark的结合（重点，要做的工作）7，机器学习和Mapreduce的结合8，Streaming的原理7，SVM二分类怎么实现的手写识别多种数字8，Spark的限制性能因素？参数传递？9，了解Hive编程

1，给一个list，里面是一组数字，不大于25，搜索里面相加之和为25的两个数。如何使时间复杂度与list长度N无关。提示：使用hash map的数据结构2，python的日志分析脚本到底完成了什么，解决了什么难点3，css中 absolute的含义。如何调整参数使一个div覆盖一个固定的button。以及为什么这样做4，angular js的MVC实现过程

1 3 4 5 0 81 93 22 0 2 6 找出3用C++实现程序：时间复杂度：空间复杂度：

1，Keras模型的初始化函数model.add(Dense(64, kernel_initializer='random_uniform', bias_initializer='zeros'))指定初始化方法的关键字是kernel_initializer和 bias_initializer。

1，knn计算的是什么和什么的距离，距离有几种，分别怎么计算答：knn算法又叫k近邻算法，计算的是测试样本和训练样本的距离。是基于某种距离度量，找出训练集中与测试样本最靠近的k个训练样本。可以在分类任务中使用投票（k个样本中出现最多的类别作为预测结果），在回归任务中使用平均（k个样本的实值输出的平均值）。在KNN算法中，常用的距离有三种，分别为曼哈顿距离、欧式距离和明可夫斯基距离。详见：htt...

1，插入选择排序2，lp正则：3，时间复杂度为o(n)的排序算法：https://blog.youkuaiyun.com/u012724503/article/details/54935539

1，100个面包，1个有毒，多少只老鼠试吃能判断有毒的面包是哪个2，a = {a1, a2, a3, a4, ... an}, b = {b1, b2, b3, b4, ...bn}, 其中b1 = a2 * a3 * a4 * ... an, b2 = a1 * a3 * a4 * ... an, ....以此类推bn = a1 * a2 * a3 * .... a(n-1)，如何复杂度最低...

这个必须单独写一篇，老被问1. 提出的目的SSD是一种单阶段检测模型，提出的目的是为了同时保证目标检测的速度和精度。2. SSD的输出SSD输出一系列不同纵横比的bounding box，这些bounding box是在不同层的feature map上生成的。SSD计算每一个default box中物体属于每个类别的score，同时对bounding box进行微调，已符合物体的外接矩形。...

1，mobilenet原理，为什么能压缩针对移动端优化的卷积，用于替换普通卷积。mobilenet将卷积分解为depthwise卷积和pointwise卷积(点卷积)两个操作。pointwise卷积是卷积核为1*1的卷积。举例：对2D卷积来说，假设输入通道数为A，输出通道数为B。带有权重参数的卷积核是一个二维矩阵，比如shape为（5, 5），则mobilenet把这个卷积拆分为：A个（5...

1、OCR识别和字符切分算法改进；2、图像处理算法研究。1，连通域 腐蚀 膨胀定义、原理2，gd sgd bgd：原理 区别3，c++ 和 python 的区别4，如何解决过拟合问题（训练集上表现好，测试集表现差）5，图像处理算法与机器学习，非机器学习图像处理6，ocr识别算法与机器学习，非机器学习ocr识别7，字符切分算法与机器学习，非机器学习字...

1 连接两个含有重复元素的有序单链表，去除重复值（如何获取链表长度）（合并两个无序链表？）例子：1->2->2->3->3->42->3->3->4->5->62 MobileNet3 ssd源码4 BN在训练和测试时有什么不同5 Dropout在训练和测试时有什么不同 附：1 目标检测正负样本不平衡怎么...

数据挖掘建模工程师 intern4 paradm1, 什么是二叉查找树2,如何前序，中序，后序遍历3, git过程是什么样的？如何将文件推送到服务器，如何区别版本4,设计函数，设计一种数据结构，实现最近十条浏览记录的输出。要按照访问先后排序，要去除重复的浏览记录void newVisit(string s)获取用户输入记录，并存储到设计的数据结构中vecto...