面经总结系列（三）：小红书算法工程师实习

最新推荐文章于 2024-06-22 11:47:44 发布

GoAI

最新推荐文章于 2024-06-22 11:47:44 发布

阅读量1k

点赞数 33

分类专栏： AI面经总结文章标签：算法大模型

本文链接：https://blog.csdn.net/qq_36816848/article/details/138199504

版权

AI面经总结专栏收录该内容

14 篇文章 3 订阅

订阅专栏

在这里插入图片描述

👨‍💻作者简介： CSDN、阿里云人工智能领域博客专家，新星计划计算机视觉导师，百度飞桨PPDE，专注大数据与AI知识分享。✨公众号：GoAI的学习小屋 ，免费分享书籍、简历、导图等，更有交流群分享宝藏资料，关注公众号回复“加群”或➡️点击链接 加群。

🎉AI学习星球推荐： GoAI的学习社区 知识星球是一个致力于提供《机器学习 | 深度学习 | CV | NLP | 大模型 | 多模态 | AIGC 》各个最新AI方向综述、论文等成体系的学习资料，配有全面而有深度的专栏内容，包括不限于前沿论文解读、资料共享、行业最新动态以、实践教程、求职相关（简历撰写技巧、面经资料与心得）多方面综合学习平台，强烈推荐AI小白及AI爱好者学习，性价比非常高！加入星球➡️点击链接

💚AI面经专栏总结： 本专栏主要为总结各小中大厂的面经系列总结，内容涵盖了多个热门技术领域，包括但不限于算法、机器学习、CV、NLP、大模型、测开、大数据、数分等，内容包括问题及详细答案，此外金邀请了行业内经验丰富的技术专家和面试官，分享面试经验和技巧，帮助求职者顺利通关各类技术面试。

算法工程师面经系列

小红书算法工程师暑期实习

自我介绍
介绍实习项目和比赛项目，讲了好多，30分钟
检测的时候小目标比较多，一般怎么处理
(1)使用专门相关的模型，比如，YOLOv4-tiny、tph-yolov5和SSD等轻量级检测器通常会比较适合处理小目标。
(2)训练的时候调大img_size，但是比较耗显卡
(3)anchor_base修改anchor的大小和尺寸(根据调小)，anchor_point修改point的步长(变小)
(4)特征增强：针对小目标，可以考虑使用一些特殊的方法来增强目标的特征。比如，可以使用特殊的损失函数来惩罚小目标的预测误差，或者使用多尺度特征融合来增强目标的特征。
(5)数据增强: 数据增强：使用数据增强技术来增加训练数据的多样性，以提高模型的鲁棒性。比如，对训练图像进行随机旋转、缩放、平移等变换，以及使用不同的色彩空间等。
(6) 后处理技术：针对小目标，可以考虑使用一些后处理技术来进一步提高检测的准确率。比如，可以使用非极大值抑制算法来抑制多余的检测框，或者使用目标跟踪算法来跟踪小目标的位置。
参考以下:
小目标检测问题分析与优化思路 - 知乎
目标检测 - 怎么提高小目标物体检测效果？ - 知乎
编程题
给定一个字符串 s ，请你找出其中不含有重复字符的最长子串的长度。
示例 1:
输入: s = “abcabcbb”
输出: 3
解释: 因为无重复字符的最长子串是 “abc”，所以其长度为 3。
示例 2:
输入: s = “bbbbb”
输出: 1
解释: 因为无重复字符的最长子串是 “b”，所以其长度为 1。
示例 3:
输入: s = “pwwkew”
输出: 3
解释: 因为无重复字符的最长子串是 “wke”，所以其长度为 3。
请注意，你的答案必须是子串的长度，“pwke” 是一个子序列，不是子串。
示例 4:
输入: s = “”
输出: 0
0 <= s.length <= 5 * 104
s 由英文字母、数字、符号和空格组成

s = input()
n = len(s)
if n == 0 or n == 1:
    print(n)
else:
    dp = [0 for _ in range(n)]
    dp[0] = 1
    d = {}
    ans = 0
    d[s[0]] = 0
    for i in range(1, n):
        t = s[i]
        if t not in d:
            dp[i] = dp[i - 1] + 1
            d[t] = i
        else:
            dp[i] = i - d[t]
            d[t] = i
        ans = max(ans, dp[i])
	print(ans)