![](https://img-blog.csdnimg.cn/20190918140129601.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
基础知识
面经-基础知识面经-基础知识面经-基础知识面经-基础知识面经-基础知识
ModestYjx
At ordinary times, nothing is worth mentioning in front of buddhahood and earnestness!
任何事在佛系和认真面前都不值一提!
展开
-
知识趣记-机器学习基础
知识趣记-机器学习基础期望在概率论和统计学中,数学期望(或均值,亦简称期望)是试验中每次可能结果的概率乘以其结果的总和。它反映随机变量平均取值的大小。线性运算: E(ax+by+c)=aE(x)+bE(y)+cE(ax+by+c) = aE(x)+bE(y)+cE(ax+by+c)=aE(x)+bE(y)+c推广形式: E(∑k=1naixi+c)=∑k=1naiE(xi)+cE(\sum_{k=1}^{n}{a_ix_i+c}) = \sum_{k=1}^{n}{a_iE(x_i)+c}E(∑原创 2020-11-04 19:37:58 · 222 阅读 · 0 评论 -
知识趣记-torch算术运算
知识趣记-torch算术运算加减乘除torch.add(input, alpha=1, other, out=None)torch.addcdiv(tensor, value=1, tensor1, tensor2, out=None)torch.addcmul(tensor, value=1, tensor1, tensor2, out=None)torch.sub(input, other, out=None)torch.mul(input, other, out=None)torch原创 2020-11-04 10:16:15 · 529 阅读 · 0 评论 -
知识趣记-数学基础
知识趣记-数学基础张量(tensor)在某些情况下,我们会讨论坐标超过两维的数组。向量的范数(norm) 定义一个向量为:a⃗=[−5,6,8,−10]\vec{a}=[-5, 6, 8, -10]a=[−5,6,8,−10]。任意一组向量设为x⃗=(x1,x2,...,xN)\vec{x}=(x_1,x_2,...,x_N)x=(x1,x2,...,xN)。其不同范数求解如下:向量的1范数:向量的各个元素的绝对值之和,上述向量a⃗\vec{a}a的1范数结果就是:29。∥原创 2020-11-03 21:56:33 · 749 阅读 · 0 评论 -
知识趣记-数据挖掘
知识趣记-数据挖掘本地和服务器可以在pycharm的部署中相互上传和下载文件jupyter打开指定文件夹下的.ipynb1.打开anaconda prompt2.然后在anaconda prompt中输入jupyter notebook+文件所在目录 即可。jupyter notebook里ipynb文件转为py文件启动Jupyter notebook在网页下找打ipynb文件,然后选择file–download as–python filek近邻算法K最近邻(k-Neare原创 2020-11-02 19:23:02 · 116 阅读 · 0 评论 -
音乐学习-分类网络
音乐学习-分类网络Identity Mapping(恒等映射)为了解决梯度消失和网络退化问题,把它普通网络变成ResNet的方法是加上所有跳跃连接,每两层增加一个捷径,构成一个残差块。如图所示,5个残差块连接在一起构成一个残差网络。,来自百度百科:卷积核如何设置可以参考卷积神经网络的卷积核大小、个数,卷积层数如何确定呢?一般取(3,3)的小矩阵,卷积核里面每个值就是我们需要寻找(训练)的神经元参数(权重),开始会随机有个初始值,当训练网络时,网络会通过后向传播不断更新这些参数值,直到寻找到原创 2020-10-31 11:42:43 · 240 阅读 · 0 评论 -
音乐学习-机器学习
音乐学习-机器学习解决类别不平衡的方法:对数据多的类别欠采样;对数据少的类别过采样。极大似然估计:利用已知的样本结果信息,反推最有可能(最大概率)导致这些样本结果出现的模型参数值,如知道其满足正态分布,求μ和ρ的值。Xception:depthwise separable convolution深度可分离卷积...原创 2020-10-26 21:00:58 · 311 阅读 · 0 评论 -
知识趣记-python
知识趣记-pythonrandom.sample(list, 5) # 从list中随机获取5个元素,作为一个片断返回vim中python的缩进要用四个空格,不能用tab键原创 2020-10-11 19:53:21 · 81 阅读 · 0 评论 -
知识趣记-数据结构
知识趣记-数据结构快排是不稳定的,且时间复杂度最快为nlogn,最差为n平方,即每次哨兵元素取最大值或者最小值,即原序列是有序时。正态分布的偏度和峰度都为0,方差为1。不稳定:快选堆希稳定:插冒归基插入排序最佳的时间复杂度为o(N)作业调度将进程调入内存进程调度是获取内存归并排序是将两个已有序的子序列合并,得到完全有序的序列。它的时间复杂度最好最坏和平均都为nlogn,空间复杂度为n。它是一个比较占用内存,但效率较高且文档的算法。选择排序:首先在未排序序列中原创 2020-09-21 18:30:28 · 164 阅读 · 0 评论 -
知识趣记-c++
知识趣记-c++、内存栈区:存放局部变量名内存堆区:存放new或malloc出来的对象常数区:存放局部变量或全局变量的值静态区:存放静态变量和全局变量代码区:存放二进制代码//main.cpp int a = 0; 全局初始化区 char *p1; 全局未初始化区 main() { int b;// 栈 char s[] = "abc"; //"abc"在常量区,s在栈上。 char *p2; //栈 char *p3 = "123456";原创 2020-09-18 13:28:23 · 129 阅读 · 0 评论 -
知识趣记-few shot learning
知识趣记-few shot learningzero-shot learning:训练集中没有某个类别的样本,得学习到一个牛逼的映射,能学习到这个新类的特征,既要马儿跑,还 不让 马儿吃草。;one-shot learning:训练集上每个类别都有样本,但都只有一个或几个样本,学习到一个新类,既要马儿跑,还不让马儿 多 吃草。;few-shot learning:训练集中有少量的样本,能够识别一个没有见过的类;Meta Learning:learn to learn;传统learning:需要海原创 2020-09-17 22:29:13 · 123 阅读 · 0 评论 -
知识趣记-深度学习
知识趣记-深度学习transfer learning:中文名为迁移学习,它的目的是在获取到额外数据或者是存在一个已有的模型的前提下,将其应用在新的具有一定相关性,其训练数据与测试数据不直接相关。zero-shot learning:对应的事训练数据与测试数据对应着不同的数据集。...原创 2020-09-16 10:20:29 · 139 阅读 · 0 评论 -
线性代数
线性代数1. 矩阵的秩 = r+1阶子式为0 + 化为行阶梯矩阵后非0行的行数 + 方程组中真正存在的方程的个数定义https://mp.weixin.qq.com/s/UTHz7kyJoiEiG6VpdoBieQ普适性要注意的地方总结任意一个r阶子式不为0,且任意的r+1阶子式为0 + 把矩阵进行初等行变换,将矩阵变换为一个行阶梯形矩阵后,那么行阶梯形矩阵的非0行就是这个矩阵的秩。 + 因为方程我们就可以理解为约束,当我们把矩阵看成齐次线性方程组的系数的时候,矩阵的秩就是这个方程组里真正存在原创 2020-09-15 23:20:28 · 335 阅读 · 0 评论 -
计算机专业知识200题总结
计算机专业知识200题总结计网数据结构操作系统数据库离散数学1.哈夫曼树是带权路径长度最短的树,权值较大的结点离根较近。将是否变为0,1,则变成前缀码。拓扑排序由某个集合上的偏序集得到该集合上的一个全序,这个操作叫做拓扑排序。拓扑排序存在的前提当且仅当一个有向图为有向无环图(directed acyclic graph,或称DAG)时,才能得到对应于该图的拓扑排序。每一个...原创 2020-09-15 23:18:31 · 452 阅读 · 0 评论 -
知识趣记-few shot learning
知识趣记-few shot learningfew shot learning:传统的神经网络,在看到新的类别(novel class)时,模型很难从少量的样本学习到novel conception。而few shot learning是一种快速的从少量样本中学习的能力。domain shift:中文名为域间差异,即一般情况下训练的模型只能用于与训练数据集类似的数据上,若测试数据集与训练数据集有较大的差异,则会产生明显差距。举个栗子:你用游戏的数据集训练的模型,用在真实场景中,效果会很差。原创 2020-09-14 23:33:06 · 170 阅读 · 0 评论 -
知识趣记-机器学习
知识趣记-机器学习knn算法:找出距离测试样本点的前k个距离最近的点,判断这些点中,哪个类别的样本的数量最多,则将测试样本点归于这个类别。k-means算法:首先输入k,目的是将所有点分成k簇;首先选k个点,作为k簇的的质心,然后对集合中所有的点,计算其到这k个聚类中心的距离,与谁近就跟谁;所有点分成k个簇,计算每个簇的质心,更新质心的值;循环以上步骤,直到质心的变化小于某个设定的阈值时,即完成分类。k-means是一个不稳定的算法,每次迭代完结果都不一样。监督学习:既有特原创 2020-09-14 11:18:32 · 108 阅读 · 0 评论 -
知识趣记-c++,操作系统,数据结构,计网,机器学习
知识趣记-c++,操作系统,数据结构,计网,机器学习说一下C++和C的区别:兼容c语言。多了面向对象,封装、继承、多态、虚函数、虚表指针。泛型编程。Template T,模板、STL线程的状态:新建就绪运行堵塞死亡进程 状态转换的原因:基本状态:阻塞,就绪,执行阻塞到就绪:I/O完成或资源得到满足;执行到就绪:时间片完成或被其他高优先级进程占用;执行到阻塞:请求I/O或资源得不到满足。二叉树分为:平衡二叉树完美二叉树完满二叉树二叉平衡树B树AVL树原创 2020-09-11 15:58:49 · 131 阅读 · 0 评论 -
关于面试
关于面试最近的安排将6月校招面经精选的题目都过一遍,做好笔记。慢慢来,既然要卷算法这条路,就要好好做好准备咯原创 2020-09-08 21:56:19 · 129 阅读 · 0 评论 -
知识趣记-线性代数,高数,机器学习,计网-2020年9月
知识趣记-线性代数,高数,机器学习,计网-2020年9月矩阵的秩:矩阵非零子式的最高阶数。确定矩阵的秩,采用消元法。等价矩阵:B=QAPA可以通过有限次的初等变换得到B特征向量:在A的作用下,保持方向不变进行比例为k的伸缩线性相关:至少存在一个向量,可以用其他向量表示出来分页存储 分段存储 段页式存储将用户程序地址空间分成若干个页,将内存分成若干个块,也和块的大小相等,可将任意一页放在任意一块中,实现离散存储。 将用户程序地址空间分成若干个段,存储分配时,以段原创 2020-09-03 10:37:39 · 458 阅读 · 0 评论 -
知识趣记-数据结构,计网,机器学习-2020年9月
知识趣记-数据结构,计网,机器学习-2020年9月排序算法是否稳定,就是看其值相等的元素的前后顺序排序后会不会变。稳定的排序算法:冒泡,基数,插入,归并,桶,二叉树不稳定的:选择,希尔,堆,快速归并排序:归并排序是建立在归并操作上的一种有效的排序算法,该算法是采用分治法(Divide and Conquer)的一个非常典型的应用。将已有序的子序列合并,得到完全有序的序列;即先使每个子序列有序,再使子序列段间有序。若将两个有序表合并成一个有序表,称为二路归并。冒泡排序:冒泡排序,是需要两层循环原创 2020-09-02 12:34:56 · 821 阅读 · 8 评论 -
知识趣记-操作系统、离散数学、机器学习-2020年9月
知识趣记-操作系统-2020年9月执行V原语时,如果信号量小于等于0,则说明有进程在等待,此时应唤醒一个进程。进程同步是进程间互相需要对方的工作成果,是直接制约问题;进程互斥是多个进程抢占一个资源,是间接制约问题。进程间通信方式包括管道、套接字、消息常见cache替换策略:FIFO:最想被装入的块,最先被替换。LRU:最近最不常用的先被替换随机替换:随机的选择被替换的块cache算法和内存页面置换算法一样:都是在一个限定大小的空间的前提下,设计一个原则来更新和访问其数据。LRU原理原创 2020-09-01 21:22:19 · 284 阅读 · 0 评论 -
面试神器!大厂offer达到手软的刷题技巧-关于面试基础知识准备
面试神器!大厂offer达到手软的刷题技巧-关于面试基础知识准备推荐一个神器!牛客网,如图:具体做法:使用互联网搜索高校或者公司的面经。去牛客网搜关键词,找到尸体栏目,可以刷题目。拿到offer美滋滋。效果棒棒哒,大家去试试吧!...原创 2020-09-01 13:50:12 · 361 阅读 · 0 评论 -
知识趣记-离散-操作系统-2020年8月
知识趣记-离散-操作系统-2020年8月通过霍夫曼树的构造规则构建出如下的一棵树,在第三层的节点有2 5 在第二层节点的有 6 8 11 。23+53+62+82+11*2=71%和*是同一优先级c语言中以0开头表示八进制。指针和void *可以相互转换进程调度不当会引起长期等待资源分配不当引起死锁磁盘访问时间包括寻道时间,延迟时间,传输时间,访问时间/bin 存放普通用户可以使用的指令。/usr 这个目录中包含了命令库文件和在通常操作中不会修改的文件,其地位类似Windows原创 2020-08-31 22:35:59 · 118 阅读 · 0 评论 -
知识趣记-c语言程序设计-2020年8月
知识趣记-2020年8月1.字符长度计算strlen 是函数,sizeof 是运算符。strlen 测量的是字符的实际长度,以’\0’ 结束,也就是说不算最后的’\0’;而sizeof 测量的是字符的分配大小,包括最后的’\0’;帮助记忆的话,可以理解成运算符更加底层一下,会输出真实的内存占用情况,而函数有封装,会处理成用户想要看到的内容。2.内存存储指针存在栈上,new 出来的动态内存在堆上。...原创 2020-08-30 18:49:09 · 534 阅读 · 0 评论