python---机器学习学习【2】(7.26)

Date: 2019-07-26

1. 下列容器中,哪些容器按 key 查找的复杂度为 O(log(n)) (BC)

A.std::unordered_set

B.std::multimap

C.std::map

D.std::deque

             

2. 现有一 1920*1080 的单通道图像,每个像素用 float32 存储,对其进行 4 个 3*3 核的卷积(无 padding),卷积核如下:

 

 

 

 

1 1 1 1 1 0 0 1 1 0 1 0

1 0 1 1 1 1 1 1 1 1 1 1

1 1 1 0 1 1 1 1 0 0 1 0

若原图像由于量化问题出现了 100 个 INFINITY,而其他的值都在(-1,1)区间内,则卷积的结果至少有多少个 NaN?(284)

3. BatchNorm 层对于 input batch 会统计出 mean 和 variance 用于计算 EMA。如果input batch 的 shape 为(B, C, H, W),统计出的 mean 和 variance 的 shape 为: ()

答案: 1 * C * 1 * 1  batchNorm是针对整个Batch进行的归一化。

4. 可以解决 Overfitting 的方法(ABD)

A.Dropout

B.BatchNorm

C.增加模型参数量

D.增加数据集

5. ResNet-50 有多少个卷积层? (49)

6. 给定一个卷积层 C in * C out * H k * W k  (H k * W k 为 kernel shape), output feature  map shape 为 H * W,其 FLOPs 为1,参数量为2 (1 乘累加 = 2 FLOPs)

答案:

(1) FLOPs = 2 * (C in * H k * W k + 1) * C out * H * W
(2) Params = (C in * H k * W k + 1) * C out

参考博客:https://blog.csdn.net/sinat_34460960/article/details/84779219

7. 以下程序的时间复杂度为

for (i = 1; i <= n; ++i) {
    for (j = 1; j <= i; ++j) {
        x = 0;
        for (k = 1; k <= n; ++k) {
            x += a * b;
        }
    }
}

答案:O(n^3)

8. YUV420 是一种不同于 RGB 的图像存储方式,每个像素由 Y,U,V 三个值描述,它与RGB 的对应关系如下:

1

2

3

Y = 0.299*R + 0.587*G + 0.114*B

U = (B-Y)/1.772

V = (R-Y)/1.402

每个像素的 Y 值都会被存储,而 U 和 V 会进行一次 2*2 的采样,即每组 2*2 的四个像素使用同一个 U 值和 V 值。存储时,所有的 Y 值会被行优先存储,然后所有的 U 值会被行优先存储,然后所有的 V 值会被行优先存储,最终连接成为一段数据段。令 data[i]表示被存储到第 i 个值(从 0 开始编号),现在我们想获取一个 720*1280图像的 523 行 1177 列(行和列从 0 开始编号)的 G 像素值请 用 data 写 出 这 个 值 的 表 达 式 ( 系 数 保 留 4 位 小数)

答案:

(1) 标 准 答 案 1( 直 接 计 算 ) : data[670617]-0.3441*data[1089228]- 0.7141*data[1319628] ;

标 准 答 案 2( 背 的 系 数 ) : data[670617]-0.3455*data[1089228]- 0.7169*data[1319628]

9. 某摄像机分辨率为 1920*1080,在室内环境中被架设在 5m 高的展台顶部,视角稍向下进行摄影,若最远处(距离相机关于地面垂足约 30m)的安全出口在视频中大约高 200 像素,则该场景下能够拍到的人的正脸高度范围大约是(20-300)像素(填写大致区间).

10. IEEE754 规定规约型单精度浮点数由 1 位符号位,8 位指数值和 23 位分数值构成。指数偏移值为 127,分数值默认整数部分为 1,只存储小数部分。例:十进制浮点数-12.5,转换为二进制为(-1100.1)2=(-1.1001)2×2^3,符号位为 1,指数值为3+127=130=0x82,分数值为 0x480000,连接后存储为 0xC1480000;问十进制浮点数52.625和十进制浮点数 526.25进行按位或操作得到的十进制浮点数是  13540

11. 编写程序,求 n 个节点的二叉树有多少种形态。

依据:(递推公式:
f(n)=f(n-1)f(0)+f(n-2)f(1)+……….+f(1)f(n-2)+f(0)f(n-1) 
或者使用 Catalan 数 C(N, 2N) / (N+1))

#include<stdio.h>
void main()
{
    long long f[];
    f[0]=1;
    f[1]=1;
    for(int i=2;i<n;i++)
        {
        f[i]=0;
        for(j=1;j<i;j++)
            {
                f[i]+=f[j-1]*f[i-j];
             }
                                                                                                                                                                                     [
        }
}

12. 给定一个卷积层 C in * C out * H k * W k,  以及输入 feature map C in * H * W,我们希望将该卷积操作转化为一次矩阵乘,以便使用一些矩阵计算优化策略,请设计转换方法。

答案:

img2col

Mat A: (H * W) * (C in *  H k * W k )

Mat B: (C in *  H k * W k )* (C out )

 

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是求解多元多项式回归的 MATLAB 代码: ```matlab % 输入数据 x1 = [36.4 37.2 37.2 36.2 31.5 28.9 27.2 26.7 26.1 26.1 25.4 25.3 25.4]'; x2 = [50.0 52.0 49.0 51.0 68.0 74.0 83.0 82.0 88.0 88.0 90.0 88.0 87.0]'; x3 = [982.9 982.2 981.8 981.6 982.3 982.6 983.4 983.5 984.0 983.6 984.4 984.5 984.4]'; y = [-7.30 -7.36 -7.35 -7.33 -7.31 -7.30 -7.26 -7.22 -7.21 -7.23 -7.18 -7.17 -7.14]'; % 构建设计矩阵X X = [ones(size(x1)) x1 x2 x3 x1.^2 x1.*x2 x1.*x3 x2.^2 x2.*x3 x3.^2]; % 求解回归系数 beta = X \ y; % 构建预测模型 model = @(x1,x2,x3) beta(1) + beta(2)*x1 + beta(3)*x2 + beta(4)*x3 ... + beta(5)*x1.^2 + beta(6)*x1.*x2 + beta(7)*x1.*x3 ... + beta(8)*x2.^2 + beta(9)*x2.*x3 + beta(10)*x3.^2; % 预测并绘制拟合图 x1fit = min(x1):0.1:max(x1); x2fit = min(x2):0.1:max(x2); x3fit = min(x3):0.1:max(x3); [X1FIT,X2FIT,X3FIT] = meshgrid(x1fit,x2fit,x3fit); YFIT = model(X1FIT,X2FIT,X3FIT); figure; plot3(x1,x2,x3,'o',x1fit,x2fit,x3fit,'*'); hold on; mesh(X1FIT,X2FIT,X3FIT,YFIT); xlabel('x1'); ylabel('x2'); zlabel('x3'); title('拟合图'); % 绘制残差图 YFIT = model(x1,x2,x3); figure; plot(YFIT - y,'o'); xlabel('样本编号'); ylabel('残差'); title('残差图'); ``` 运行上述代码后,会先绘制拟合图,然后绘制残差图。拟合图中,蓝色的点表示原始数据,红色的点表示拟合值,可以看到拟合值与原始数据比较接近;残差图中,横轴表示样本编号,纵轴表示残差,残差的分布应该比较均匀,没有明显的规律。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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