1：阐述批归一化的意义2：阐述偏置和方差的概念以及它们之间的权衡关系3：假设深度学习模型已经找到了 1000 万个人脸向量，如何通过查询以最快速度找到一张新人脸？4：对于分类问题，准确度指数完全可靠吗？你通常使用哪些指标来评估你的模型？5：你怎么理解反向传播？请解释动作（action）的机制。6：激活函数有什么含义？激活函数的饱和点是什么？7：模型的超参数是什么？超参数与参数有何不同？8：当学习率过高或过低时会怎样？9：当输入图像的尺寸加倍时，CNN 参数的数量会增加多少倍？为什么？10：处理数据不平衡问题的方法有哪些？11：在训练深度学习模型时，epoch、batch（批）和 iterati...

一.二叉树https://labuladong.gitbook.io/algo/shu-ju-jie-gou-xi-lie/er-cha-sou-suo-shu-cao-zuo-ji-jin相同的树：https://leetcode-cn.com/problems/same-tree/删除二叉搜索树中的节点：https://leetcode-cn.com/problems/delete-node-in-a-bst/二叉搜索树中的插入操作：https://leetcode-cn.com/problems/insert-into-a-binary-search-tree/二叉搜索树中的搜索：htt...

一.动态规划https://blog.csdn.net/weixin_43490145/article/details/107417934 二.回溯https://labuladong.gitbook.io/algo/suan-fa-si-wei-xi-lie/hui-su-suan-fa-xiang-jie-xiu-ding-ban全排列：https://leetcode-cn.com/problems/permutations/N皇后：https://leetcode-cn.com/problems/n-queens/子集：https://leetcode-cn.com/problems/...

1.输入图片大小为200×200，依次经过一层卷积（kernel size 5×5，padding 1，stride 2），pooling（kernel size 3×3，padding 0，stride 1），又一层卷积（kernel size 3×3，padding 1，stride 1）之后，输出特征图大小为：A.95B.96C.97D.98 正确答案：C题目解析：输出尺寸=(输入尺寸-filter尺寸+2padding）/stride+1计算尺寸不被整除只在GoogLeNet中遇到过。卷积向下取整，池化向上取整。本题 （200-5+21）/2+1 为99.5，取99（99-3）/1+1...

一.石头题目描述：沙滩按照线型摆放着n个大小不一的球形石头，已知第i个石头的半径为ri，且不存在两个石头有相同的半径。为了使石头的摆放更加美观，现要求摆放的石头的半径从左往右依次递增。因此，需要对一些石头进行移动，每次操作可以选择一个石头，并把它放在剩下n−1个石头在最左边或最右边。问最少需要操作多少次才能将这n个石头的半径变成升序？ 输入描述第一行一个整数n，表示石头的个数。(1 <= n <= 100000) 第二行n个整数，表示从左往右石头的半径r1，r2，...，rn。(1 <= ri <= n)，且保证不存在两个不同的石头拥有相同的半径。 输出描述最少操作次数...

一.算法编程编写一个分类函数，输入一个二维数组，根据子数组的长度分类，返回分类字典。输入：[[‘a’,‘b’,‘c’],[‘d’,‘e’,‘f’,‘g’],[1,2,3],[4,5,6,7],[‘h’,‘i’]]返回值：{2：[‘h’,‘i’]],3:[[‘a’,‘b’,‘c’],[1,2,3]],4:[[‘d’,‘e’,‘f’,‘g’],[4,5,6,7]]} from collections import defaultdict def stat(inputs): ans = defaultdict(list) for item in inputs: ans[len(item)].appe...

1.自我介绍2.招行的比赛3.kaggle比赛：怎么分工的 语义分割的方法有哪些参答：（1）虽然是团队参加比赛，但是比赛都是自己做的，团队更多的是起到一个互相交流的作用，大家都是各做各的，提供一些思路，解决一些互相遇到的问题，最后将每个人的模型进行融合，能取得较好的提升（2）https://blog.csdn.net/weixin_40446557/article/details/85624579 常用的网络结构就是U-net，Res-Net等 4.做过目标检测没line-net车道线检测，YOLO检测障碍物。 5.编程的语言，规模提前批代码就说一个项目几百行，差不多说个5 600行就行，一般...

时间：2020-07-22 15:30 一.编程1平行四边形构造时间限制： 3000MS内存限制： 589824KB题目描述：给出你n条长度不一的边，请你从中选择四条边，组成一个最大的平行四边形。请你输出最大的平行四边形的面积。 输入描述输入第一行包含一个正整数n，表示边的数量。(4<=n<=50000)输入第二行包含n个正整数，表示n条边的长度，边的长度不会超过10^9。输出描述输出仅包含一个正整数，即最大的平行四边形的面积，无解则输出-1。 样例输入53 3 4 4 5样例输出12  思路：先排除只有1个的边长，再选最大的和次大的（如果有一个边长有4个，则取一个max即可） d...

时间：2020-7-22-20：00（1个小时） 1.自我介绍2.比赛用到wide &&deep 和deepFM 了吗3.GBDT原理先用一个初始值去学习一棵树,然后在叶子处得到预测值以及预测后的残差,之后的树则基于之前树的残差不断的拟合得到,从而训练出一系列的树作为模型。 4.GBDT和随机森林的区别1）随机森林采用的bagging思想，而GBDT采用的boosting思想。这两种方法都是Bootstrap思想的应用，Bootstrap是一种有放回的抽样方法思想。虽然都是有放回的抽样，但二者的区别在于：Bagging采用有放回的均匀取样，而Boosting根据错误率来取样（B...

time：2020-07-20 20:00 一.编程题1题目：是否可以把任意一个数分解成不同的3个正整数相加，且3个正整数的两两最大公约数为K输入描述：第一行包括一个数字T， 表示有T组数据接下来T行每行包含两个正整数n，k（n为需要分解的数，k为分解出来的3个不同正整数两两的最大公约数）1<=k<=n<=10^18,1<=T<=100输出描述：输出总共T行对于每组数据输出一行3个正整数，x,y,z，满足互不相同，两两最大公约数为k，且x+y+z=n。如果无解则输出-1，如果有多组解，输出任意一组即可示例1：输入：36 112 438 2输出：1 2 3-16 1...

时间：2020-7-20 15：00（电话面试） 1.自我介绍2.比赛的特征提取如何做的，训练是如何训练的，评价指标是什么 3.pytorch和tensorflow的区别pytorch是动态框架，tensorflow是静态框架针对tensorflow，先构造了一个计算图，构建完之后，这个计算图就不能改变了，再开启会话，输入数据，进行计算。那么这个流程就是固定的了，很不灵活，所以说他是静态框架针对pytorch，他的逻辑和python是一样的，直接计算，不用会话。pytorch的代码相对tensorflow代码更加简练 4.drop out定义：dropout是指在深度学习网络的训练过程中，对于...

一.问答题：1.进程和线程的区别：参答：（1）、进程是资源分配的最小单位，线程是程序执行的最小单位（资源调度的最小单位）（2）、进程有自己的独立地址空间，每启动一个进程，系统就会为它分配地址空间，建立数据表来维护代码段、堆栈段和数据段，这种操作非常昂贵。而线程是共享进程中的数据的，使用相同的地址空间，因此CPU切换一个线程的花费远比进程要小很多，同时创建一个线程的开销也比进程要小很多。（3）、线程之间的通信更方便，同一进程下的线程共享全局变量、静态变量等数据，而进程之间的通信需要以通信的方式（IPC)进行。不过如何处理好同步与互斥是编写多线程程序的难点。（4）、但是多进程程序更健壮，多线程程序...

1.自我介绍 2.问自动驾驶项目如何做的，输入输出是什么参答：（1）双目摄像头：jpg图像 （2）激光雷达：pcd点云 （3）gnss： （4）惯导： （5）方向盘：CAN信息比如通过摄像头采集到的前方路况图像，输入至YOLO算法里面，输出就是障碍物的类别、bounding box（w，h中，中心点，置信度） 3.过拟合、欠拟合是什么，有什么解决方案欠拟合的原因：模型复杂度过低，不能很好的拟合所有的数据，训练误差大；避免欠拟合：增加模型复杂度，如采用高阶模型（预测）或者引入更多特征（分类）等。过拟合的原因：模型复杂度过高，训练数据过少，训练误差小，测试误差大；避免过拟合：• 降低模型复杂度• ...

面试时间：2020-7-12 15：00-16.30 一.单选题：1.在一个半径为r的圆上随机取两个点，这两个点之间的距离的期望为参答：https://www.nowcoder.com/questionTerminal/9adf9cde80bf4315af755d2a720d87892.支持向量有哪些参答：https://www.nowcoder.com/questionTerminal/f38aad07b8204a2086d0bb21a97d38ae3.特征缩放的作用参答：加快梯度收敛速度4.以下哪个选项可以实现在文件a.txt中查找某字符串'str'参答：https://www.nowco...