python面试题

1、Python是如何进行内存管理的?

 

2、什么是lambda函数?它有什么好处?

 

3、解释一下pythonand-or 语法?

 

4、Python是如何进行类型转换的?

 

5、Python里面如何拷贝一个对象?

 

6、Python中pass语句的作用是什么?

 

7、如何知道一个python对象的类型?

 

8、介绍一下Python下range()函数的用法?

 

9、如何用Python来进行查询和替换一个文本字符串?

 

10、Python里面search()和match()的区别?

 

11、用Python匹配HTML tag的时候,<.*>和<.*?>有什么区别?

 

12、Python里面如何生成随机数?

 

13、如何用Python来发送邮件?

 

14、Python如何定义一个函数?

 

15、有没有一个工具可以帮助查找pythonbug和进行静态的代码分析?

 

16、如何在一个function里面设置一个全局的变量?

 

17、【华为公司Python面试题】,要求10分钟写出代码

有两个序列a,b,大小都为n,序列元素的值任意整形数,无序;要求:通过交换a,b中的元素,使[序列a元素的和]与[序列b元素的和]之间的差最小

 

18、轩辕互动面试题(Python实现)

1.平衡点问题平衡点:比如int[] numbers = {1,3,5,7,8,25,4,20}; 25前面的总和为24,25后面的总和也是24,25这个点就是平衡点;假如一个数组中的元素,其前面的部分等于后面的部分,那么这个点的位序就是平衡点要求:返回任何一个平衡点2.支配点问题:支配数:数组中某个元素出现的次数大于数组总数的一半时就成为支配数,其所在位序成为支配点;比如int[] a = {3,3,1,2,3};3为支配数,0,1,4分别为支配点;要求:返回任何一个支配点

 

19、为什么应当避免在变量名的开始和结尾使用双下划线?

 

20、Python那些并不美观的书写风格(不推荐)

 

21、python实现冒泡排序?

 

22、标准库random实现了一个随机数生成器?

 

23、Python的经典问题——中文乱码?

如果面试官问:”哪些地方常见乱码现象?;

为什么会存在乱码?

如何解决乱码问题?

关于Python字符集能和我讲讲自己的总结吗?

这类问题的具体应用?

 

24、解释下Python一切皆对象?

 

25、Python的标准整型与长整型的区别?

 

1.  How are arguments passed – by reference of by value?

The short answer is “neither”, actually it is called “call by object” or “call by sharing”(you can checkherefor more info). The longer one starts with the fact that this terminology is probably not the best one to describe how Python works. In Python everything is an object and all variables hold references to objects. The values of these references are to the functions. As result you can not change the value of the reference but you can modify the object if it is mutable. Remember numbers, strings and tuples are immutable, list and dicts are mutable.

 

1、有1、2、3、4个数字能组成多少个互不相同且无重复数字的三位数?都是什么?

 

2、企业发放奖金利润提成:利润低于或等于10W,奖金可提10%;

10W--20W,低于10W按10%提成,高于10W的部分按7.5%提成;

20W--40W,高于20W的部分可提5%;40W--60W,高于40W的部分可提3%;

60W--100W,高于60W的部分可提1.5%;100W,超100W部分可提1%

键盘输入利润,求奖金发放总数

 

3、判断今年是否为闰年

 

4、0--100之间所有素数

 

5.有如下log文件,请打印出独立IP,并统计独立IP数,(提示:可使用python,也可使用shell命令行):   log文件内容:   218.79.251.215 - - [23/May/2006:08:57:44 +0800] "GET /fg172.exe HTTP/1.1" 206 2350253

220.178.150.3 - - [23/May/2006:08:57:40 +0800] "GET /fg172.exe HTTP/1.1" 200 2350253

59.42.2.185 - - [23/May/2006:08:57:52 +0800] "GET /fg172.exe HTTP/1.1" 200 2350253

219.140.190.130 - - [23/May/2006:08:57:59 +0800] "GET /fg172.exe HTTP/1.1" 200 2350253

221.228.143.52 - - [23/May/2006:08:58:08 +0800] "GET /fg172.exe HTTP/1.1" 206 719996

221.228.143.52 - - [23/May/2006:08:58:08 +0800] "GET /fg172.exe HTTP/1.1" 206 713242

221.228.143.52 - - [23/May/2006:08:58:09 +0800] "GET /fg172.exe HTTP/1.1" 206 1200250

 

6.请实现在一个字符串中查找重复字母的python脚本,并手工演算出前四次循环的结果,写在答案里。

 

7、用无限循环语句显示一系列数字(1、2、3、4、5……),并设置当用户按下某个按钮时(如ESC键)程序就会中止;

 

8、斐波那契数列、交换两个变量的值、从一组数据中找出最大最小值等;

 

9、让用户输入一些数字或字符串,以升序或降序进行排列;

 

10、雷诺数的计算公式是(Dvrho)mu,其中D为直径,v为速度,rho为密度,mu为黏性。编写一个程序,接收一组数据并计算雷诺数。如果小于2100,则显示“层流”;在2100至4000之间,则显示“暂态流”;大与4000则显示“湍流”(使用分支语句if else then);

 

11、修改上面的程序,显示“开始新的计算?(是否)”,如果选”,则重新输入一组数据;如果选“否”,则退出程序(使用循环语句)。如果mu 的值为0,程序是否会提示“除数为0”的错误?或是给出“程序崩溃”的提示?怎样处理这种情况呢?该程序语言里是否提供了这样的机制?(异常处理)

 

12、编写一个科学计算器,包括加、减、乘、除、平方、立方、平方根、正弦、余弦、正切、阶乘、倒数、取模等操作;

 

13、用不同的格式进行输出(比如四舍五入到5位数字、截取前四位数字、用0填充左边或右边、左右对齐等)(输入输出操作)

 

14、将一个文本文件转换成网页文件(文件输入输出操作、字符串操作)

 

15、时间和日期:获取系统当前时间并将其转换成不同的格式;

 

16、创建一个文件名中含有时间日期的文件;

 

17、输入一个HTML表格,将其转换为以逗号或制表符分隔的文件;

 

18、实现自动换行的功能(看看Windows里记事本是怎样做的)

 

19、在数组的开头、结尾和中间添加或删除元素;

 

20、该程序语言是否支持以下特性:操作符重载、虚函数、引用、指针等;是否有命名空间、包、模块等;了解一下吧。

 

21、求1000的阶乘?(数学题,非算法)?

 

22、python实现冒泡排序

 

23、python实现插入排序

 

24、python实现选择排序

 

25、python实现快速排序

 

26、How are arguments passed - by reference of by value?

 

27、Do you know what list and dict comprehensions are? Can you give an example?

 

28、What is PEP 8?

 

29、Do you use virtual environments?

 

30、Can you sum all of the elements in the list, how about to multuply them and get the result?

 

31、Do you know what is the difference between lists and tuples? Can you give me an example for their usage?

 

32、Do you know the difference between range and xrange?

 

33、Tell me a few differences between Python 2.x and 3.x

 

34、What are decorators and what is their usage? 典型的pythonic用法

 

35、要求输出国际象棋棋盘

 

36、打印楼梯,同时在楼梯上方打印两个笑脸

 

37、古典问题:有一对兔子,从出生后第三个月起每个月都生一对兔子,小兔子长到第三个月后每个月又生一对兔子,如果兔子都不死,问每个月的兔子总数为多少?

 

38、判断101-200之间有多少个素数,并输出所有素数。

 

39、打印出所有的水仙花数”,所谓水仙花数”是指一个三位数,其各位数字立方和等于该数

 

40、将一个正整数分解质因数。例如:输入90,打印出90=2*3*3*5

 

41、Python算术操作概述?

 

42、Python除法?

 

43、简述关于数值类型的函数或模块?

 

44、两个字典如何合并在一块?

 

45、关于字典的键,哪些类型的对象能做字典的键,哪些不能,为什么?

 

46、字典排序问题?键排序和值排序

 

47、list与tuple的区别?dictionary与set的区别?

 

48、如何理解python for else?

 

49、介绍下你所熟悉或知道的Python库

 

 

转载于:https://www.cnblogs.com/chengchengaqin/p/9910168.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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