节前，我们星球组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂朋友、参加社招和校招面试的同学，针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。
今天分享一位面试题，喜欢点赞、收藏、关注。文末参与技术讨论。
问题 1、dataloader和dataset的区别
DataLoader 和 Dataset 是 PyTorch 中用于处理数据的两个重要概念：
Dataset 是一个抽象类，用于表示数据集，通常需要用户自定义，包含了数据的读取、预处理等操作。
DataLoader 是一个数据加载器，用于将 Dataset 中的数据按照指定的 batch_size、shuffle 等参数加载到模型中进行训练或推理。DataLoader 可以自动实现多线程数据加载和数据批处理等功能。
问题 2、深度学习中，常见的损失函数有哪些？
均方误差损失函数 (Mean Squared Error, MSE)
交叉熵损失函数 (Cross Entropy Loss)
感知损失函数 (Perceptron Loss)
Hinge Loss
KL 散度损失函数 (Kullback-Leibler Divergence Loss)
Huber Loss
余弦相似度损失函数 (Cosine Similarity Loss) 等。
问题 3、介绍下yolov8算法的模块。
yolov8算法的模块：
Backbone：通常使用一些预训练的卷积神经网络 (CNN)，如Darknet、ResNet、EfficientNet 等，用于提取图像的特征。
Neck：用于进一步处理和整合特征，通常包括一些卷积层和池化层等。
Head：目标检测的关键部分，包括预测目标的边界框、类别以及置信度等。
问题 4、介绍下什么是nms
NMS (Non-Maximum Suppression，非极大值抑制) 是目标检测领域常用的一种算法，用于去除检测到的重叠较多的边界框，保留最具代表性的边界框。其核心思想是保留置信度最高的边界框，并去除与其 IoU (Intersection over Union) 超过阈值的其他边界框。
问题 5、CV中数据增强的方法有哪些？
在计算机视觉中，常用的数据增强方法包括：
随机裁剪 (Random Cropping)
随机翻转 (Random Flipping)
随机旋转 (Random Rotation)
色彩变换 (Color Jittering)
尺度缩放 (Scale Augmentation)
平移 (Translation)
对比度增强 (Contrast Enhancement)
亮度调整 (Brightness Adjustment)
添加噪声 (Adding Noise) 等。
问题6、讲一下batchnorm的计算过程。****
1）对于每个批次的输入数据，计算其均值和方差。
2）对输入数据进行标准化，即减去均值并除以标准差。
3）使用学习参数（拉伸因子和偏移量）进行线性变换，使得数据重新具有适当的比例和偏移。
BatchNorm 可以在训练过程中通过批次数据的统计信息来进行标准化，也可以在推理过程中使用移动平均来估计整个数据集的统计信息，以实现更好的泛化能力和稳定性。
技术交流
前沿技术资讯、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)等、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~
我们建了算法岗面试与技术交流群， 想要进交流群、需要源码&资料、提升技术的同学，可以直接加微信号：mlc2040。加的时候备注一下：研究方向 +学校/公司+CSDN，即可。然后就可以拉你进群了。
方式①、微信搜索公众号：机器学习社区，后台回复：技术交流
方式②、添加微信号：mlc2040，备注：技术交流+CSDN
636
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
