- 博客(35)
- 收藏
- 关注
RSS订阅原创 java并发面试汇总
公平锁和非公平锁，它们尝试获取锁的方式不同：公平锁在尝试获取锁时，即使“锁”没有被任何线程锁持有，它也会判断自己是不是CLH等待队列的表头；是的话，才获取锁。而非公平锁在尝试获取锁时，如果“锁”没有被任何线程持有，则不管它在CLH队列的何处，它都直接获取锁。
2020-07-27 01:58:54
567
原创 java 集合面试专题总结
1. 常用的集合类有哪些？Map接口和Collection接口是所有集合框架的父接口：Collection接口的子接口包括：Set接口和List接口Set接口的实现类主要有：HashSet、TreeSet、LinkedHashSet等List接口的实现类主要有：ArrayList、LinkedList、Stack以及Vector等Map接口的实现类主要有：HashMap、TreeMap、Hashtable、ConcurrentHashMap以及Properties等容器主要包括 Coll
2020-07-09 21:46:10
189
原创 数据库面试总结
1. 什么是MySQL?MySQL是一个关系型数据库管理系统，MySQL是开源免费的，并且方便扩展。默认端口3306。关系型数据库：Oracle、DB2、Microsoft SQL Server、MySQL关系型数据库，是指采用了关系模型来组织数据的数据库；关系型数据库的最大特点就是事务的一致性；支持SQL，可用于复杂的查询。非关系型数据库：NoSql、Cloudant、MongoDb、redis、HBase使用键值对存储数据；分布式；一般不支持ACID特性；基于键值对，数据没有耦合性，容易扩展；
2020-07-08 14:24:44
467
原创 JVM内存面试总结
1.JVM内存结构程序运行时，java虚拟机将内存划分为以下几个区域。其中，线程私有的有：程序计数器，虚拟机栈，本地方法栈；线程共享的有：堆，方法区，直接内存程序计数器：获取下一条指令的地址，实现程序的流程控制；在多线程情况下，用来记录当前线程执行的位置，使线程切换回来时能定位到该位置。它是唯一不会发生outofmemory内存溢出的地方。虚拟机栈和本地方法栈：生命周期和线程一致，栈中存放的是栈帧，一个函数一个栈帧，每个栈帧中存在 局部变量表（基本数据类型和对象引用），操作数栈，动态链接，方法出口信
2020-06-22 22:52:11
430
原创 操作系统面试题总结
1 . 系统调用用户态和系统态是操作系统的两种运行级别，内核态权限高，用户态权限低。切换到内核的方式有：系统调用、发生异常、外围设备的中断。用户态：用户态运行的进程系统态：系统态运行的进程几乎可以访问计算机的任何资源，不受限制。我们所运行的程序基本都是运行在用户态，而与系统态级别相关的操作（文件管理，进程控制，内存管理）都必须系统调用的方式向系统提供请求。系统调用分为以下几类：设备管理。完成设备的请求或释放，以及设备启动等功能。文件管理。完成文件的读、写、创建及删除等功能。进程控制。完成
2020-06-21 22:41:17
317
原创 计算机网络面试常考知识点（清晰）
1 . HTTPS 的工作过程？客户端发送自己支持的加密规则给服务器，代表告诉服务器要进行连接了；服务器从中选出一套加密算法和 hash 算法以及自己的身份信息（地址等）以证书的形式发送给浏览器，证书中包含服务器信息（域名），加密公钥，证书的办法机构；客户端收到网站的证书之后要验证证书：3.1 验证证书的合法性；3.2 通过证书，浏览器会生成一串随机数作为对称密钥，并用证书中的公钥进行加密；3.3 用约定好的 hash 算法计算握手消息，然后用生成的密钥进行加密，然后一起发送给服务器
2020-06-20 21:25:21
740
原创 图（bfs）
1. （Course Schedule） 现在你总共有 n 门课需要选，记为 0 到 n-1。在选修某些课程之前需要一些先修课程。例如，想要学习课程 0，你需要先完成课程 1 ，我们用一个匹配来表示他们: [0,1]给定课程总量以及它们的先决条件，返回你为了学完所有课程所安排的学习顺序。可能会有多个正确的顺序，你只要返回一种就可以了。如果不可能完成所有课程，返回一个空数组。(拓扑排序) O(n+m)将先修关系构成一张图，由每个数对的第二个数字向第一个数字连边。首先将所有入度为 0 的点进队，
2020-06-06 16:59:37
183
原创 贪心专题
1 （dump game）给定一个非负整数数组，你最初位于数组的第一个位置。数组中的每个元素代表你在该位置可以跳跃的最大长度。判断你是否能够到达最后一个位置。(从前往后跳) O(n)每遍历到一个数，就计算一下从这个数开始跳所能到达的最远距离如果遍历到i已经超过了前面计算出的最远距离，则无法到达如果计算出的最远距离超过数组的最后一个元素位置，则可以到达class Solution {public: bool canJump(vector<int>& nums) {
2020-06-04 00:42:27
120
原创 排序及数学专题
1.1 （Find Median from Data Stream）中位数是有序列表中间的数。如果列表长度是偶数，中位数则是中间两个数的平均值。(堆) O(logn)中位数能把数据分成数量相等的两边，左边都小于等于中位数，右边都大于等于中位数。那么对应的，假如我们有两组数，左边组的数都小于等于右边组的数，那么左边组的最大值和右边组最小值的平均值就是当前数据的中位数。所以我们可以用两个堆来维护数据的左右半边，左边用大根堆维护，右边用小根堆维护，每次插入一个数的时候我们看它属于左半边还是右半边，如果当前大
2020-06-04 00:42:13
322
原创 链表专题
1.1（Remove Nth Node From End of List ）给定一个链表，删除链表的倒数第 n 个节点，并且返回链表的头结点。(两次遍历)第一次遍历求出链表长度。第二次遍历删掉指定结点。注意删除头结点的特殊情况。/** * Definition for singly-linked list. * struct ListNode { * int val; * ListNode *next; * ListNode(int x) : val(x),
2020-05-28 22:50:57
216
原创 二分与单调队列
1.Sqrt(x)请实现 int sqrt(int x)。请计算并返回 x 的正平方根，保证 x 是一个非负整数。注意返回类型是整数，所以我们只返回正平方根的整数部分。(二分) O(logx)二分出最大的 y，满足 y^2≤x则 y 就是答案。时间复杂度分析：二分的时间复杂度是 O(logx)。class Solution {public: int mySqrt(int x) { int l = 0, r = x; while (l < r)
2020-05-24 13:51:53
415
原创 双指针
1.1 给定一个排序数组，你需要在 原地 删除重复出现的元素，使得每个元素只出现一次，返回移除后数组的新长度。不要使用额外的数组空间，你必须在 原地 修改输入数组 并在使用 O(1)额外空间的条件下完成。(双指针移动) O(n)如果 nums 的长度是 0，直接返回 0。初始令 k 为 0，i 从位置 1 开始遍历，若发现 nums[i] 和 nums[k]不相等，则说明找到新的元素，并且 nums[++k] 赋值为 nums[i]。i 向后移动直到末尾。class Solution {
2020-05-24 13:50:13
149
原创 hashmap专题
1 请设计一个哈希表，要求不能使用任何哈希表库函数。(拉链法) O(1)哈希表的基本思想都是先开一个大数组，然后用某种哈希函数将key映射到数组的下标空间。不同算法的区别在于如何处理下标冲突，即当两个不同的key被映射到同一下标时，该怎么办。一般有两种方式处理冲突：拉链法和开放寻址法。介绍拉链法。它的思想很简单，在哈希表中的每个位置上，用一个链表来存储所有映射到该位置的元素。对于put(key,value)操作，我们先求出key的哈希值，然后遍历该位置上的链表，如果链表中包含key，则更新其
2020-05-24 13:49:56
203
原创 DFS查找专题
1.1 Word Search 给定一个二维平板和一个单词，请找出这个单词是否在二维平板中出现。单词可以由平板中的邻接单元组成，这里的“邻接”定义为上下左右四个方向。同一个单元上的字母最多只能使用一次。在深度优先搜索中，最重要的就是考虑好搜索顺序。我们先枚举单词的起点，然后依次枚举单词的每个字母。过程中需要将已经使用过的字母改成一个特殊字母，以避免重复使用字符。时间复杂度分析：单词起点一共有 n2n2 个，单词的每个字母一共有上下左右四个方向可以选择，但由于不能走回头路，所以除了单词首字母外
2020-05-19 00:11:20
575
原创 树专题笔记
一、树的非递归遍历1、前序遍历（两种写法）方法一：第一个算法是DFS的一种二叉树树的特例，与层次遍历类似（层次遍历使用队列，这种相似性源于BFS和DFS的相似性），并且有助于我们实现后序遍历的一个版本。具体算法如下：首先将树根压栈。在栈不为空的情况下，将当前指针更新为栈顶元素，弹出栈顶元素并加入到结果数组中，在当前节点的右孩子不为空的情况下，将其压入栈中，在root的左孩子不为空的情况...
2020-05-16 21:04:36
246
原创 《动手学深度学习》Task05 ：卷积神经网络
特征图与感受野二维卷积层输出的二维数组可以看作是输入在空间维度（宽和高）上某一级的表征，也叫特征图（feature map）。影响元素xxx的前向计算的所有可能输入区域（可能大于输入的实际尺寸）叫做xxx的感受野（receptive field）。以图1为例，输入中阴影部分的四个元素是输出中阴影部分元素的感受野。我们将图中形状为2×22 \times 22×2的输出记为YYY，将YYY与另一个...
2020-02-19 21:22:04
256
原创 《动手学深度学习》Task04 ：机器翻译
Encoder-Decoder(可以应用在对话系统、生成式任务中)encoder：输入到隐藏状态decoder：隐藏状态到输出class Encoder(nn.Module): def __init__(self, **kwargs): super(Encoder, self).__init__(**kwargs) def forward(self, X...
2020-02-19 21:15:59
451
1
原创 《动手学深度学习》Task03 ：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶
一、模型选择、过拟合和欠拟合模型选择验证数据集从严格意义上讲，测试集只能在所有超参数和模型参数选定后使用一次。不可以使用测试数据选择模型，如调参。由于无法从训练误差估计泛化误差，因此也不应只依赖训练数据选择模型。鉴于此，我们可以预留一部分在训练数据集和测试数据集以外的数据来进行模型选择。这部分数据被称为验证数据集，简称验证集（validation set）。例如，我们可以从给定的训练集中随机...
2020-02-19 17:07:40
317
原创 pytorch 深度学习笔记（一）
一、线性回归1.pytorch 的Broadcasting Semantics如果遵守以下规则，则两个张量是“可播放的”：每个张量至少有一个维度。迭代尺寸大小时，从尾随尺寸开始，尺寸大小必须相等，其中一个为1，或者其中一个不存在。例如：x=torch.empty(5,7,3)y=torch.empty(5,7,3)same shapes are always broadcasta...
2020-02-14 21:45:57
1256
原创 基本算法(C++)总结与练习
1、飞行员兄弟题目：“飞行员兄弟”这个游戏，需要玩家顺利的打开一个拥有16个把手的冰箱。已知每个把手可以处于以下两种状态之一：打开或关闭。只有当所有把手都打开时，冰箱才会打开。把手可以表示为一个4х4的矩阵，您可以改变任何一个位置[i,j]上把手的状态。但是，这也会使得第i行和第j列上的所有把手的状态也随着改变。请你求出打开冰箱所需的切换把手的次数最小值是多少。输入格式输入一共包含...
2020-02-10 17:34:53
1273
原创 基本算法(C++)贪心
1、防晒题目：有C头奶牛进行日光浴，第i头奶牛需要minSPF[i]到maxSPF[i]单位强度之间的阳光。每头奶牛在日光浴前必须涂防晒霜，防晒霜有L种，涂上第i种之后，身体接收到的阳光强度就会稳定为SPF[i]，第i种防晒霜有cover[i]瓶。求最多可以满足多少头奶牛进行日光浴。输入格式第一行输入整数C和L。接下来的C行，按次序每行输入一头牛的minSPF和maxSPF值,即第i行...
2020-02-02 21:36:19
842
原创 基本算法(C++)前缀和与差分
1、激光炸弹题目：一种新型的激光炸弹，可以摧毁一个边长为 R 的正方形内的所有的目标。现在地图上有 N 个目标，用整数Xi,Yi表示目标在地图上的位置，每个目标都有一个价值Wi。激光炸弹的投放是通过卫星定位的，但其有一个缺点，就是其爆炸范围，即那个边长为 R 的正方形的边必须和x，y轴平行。若目标位于爆破正方形的边上，该目标不会被摧毁。求一颗炸弹最多能炸掉地图上总价值为多少的目标。输入...
2020-01-08 11:13:39
2131
原创 基本算法(C++)递推与递归
1、递归实现指数型枚举题目：从 1~n 这 n 个整数中随机选取任意多个，输出所有可能的选择方案。输入格式输入一个整数n。输出格式每行输出一种方案同一行内的数必须升序排列，相邻两个数用恰好1个空格隔开。对于没有选任何数的方案，输出空行。本题有自定义校验器（SPJ），各行（不同方案）之间的顺序任意。数据范围 1≤n≤15输入样例：3输出样例：322 311 31...
2020-01-06 14:56:11
3011
原创 info gan
继Social LSTM、Social GAN模型后的进一步提升，在理想的监控俯瞰数据库ETH、UCY上进行数据的预测。重点贡献有：引入了注意力机制使模型自主分配对交互信息的关注。舍弃了L2代价函数，引入基于互信息的Information Loss，增强了模型对多合理轨迹的预测能力。提供了一种能够验证各模型的多轨迹预测能力的小型合成场景和轨迹生成效果的判断指标。模型框架具体来说是In...
2019-10-25 17:11:20
217
原创 ＧＡＮ
GAN基本概念GAN由生成器和判别器组成，生成器负责生成样本，判别器负责判断生成器生成的样本是否为真。生成器要尽可能迷惑判别器，而判别器要尽可能区分生成器生成的样本和真实样本。训练过程：首先随机初始化生成器 G，并输入一组随机向量，以此产生一些数据，并标注成 0。同时把来自真实分布中的数据标注成 1。两者同时丢进判别器 D 中，以此来训练判别器 D 。实现当输入是真的时候，判别器给出接近于...
2019-10-25 14:11:57
957
原创 The Trajectron: Probabilistic Multi-Agent Trajectory Modeling with Dynamic Spatiotemporal Graphs
摘要开发安全的人机交互系统是实现自主代理在社会中广泛整合的必要步骤。这种系统的关键组成部分是能够推断场景中其他代理人的许多潜在未来（例如轨迹）。为此，我们提出了Trajectron，这是一种图形结构模型，可以在高动态和多模态场景中同时预测多个代理的许多潜在未来轨迹（即场景中的代理数量随时间变化而且有很多可能每个代理人的高度复杂的未来）。它结合了循环序列建模和变分深度生成建模的工具，为场景中的每个...
2019-08-19 11:42:04
774
原创 超参数调整
文章目录14.1 写在前面14.2 超参数概念14.2.1 什么是超参数，参数和超参数的区别？14.2.2 神经网络中包含哪些超参数？14.2.3 为什么要进行超参数调优？14.2.4 超参数的重要性顺序14.2.5 部分超参数如何影响模型性能？14.2.6 部分超参数合适的范围14.3 网络训练中的超参调整策略14.3.1 如何调试模型？14.3.2 为什么要做学习率调整?14.3.3 学习率调...
2019-08-18 22:35:32
4918
原创 第十章 强化学习
文章目录第十章 强化学习10.1 强化学习的主要特点？10.1.1 定义10.2 强化学习应用实例10.3 强化学习和监督式学习、非监督式学习的区别10.3.1 强化学习和监督式学习的区别：10.3.2 强化学习和非监督式学习的区别：10.4 强化学习主要有哪些算法？10.5 深度迁移强化学习算法10.6 分层深度强化学习算法10.7 深度记忆强化学习算法10.8 多智能体深度强化学习算法10.9...
2019-08-18 22:34:46
555
原创 第十一章 迁移学习
文章目录第十一章 迁移学习11.1 迁移学习基础知识11.1.1 什么是迁移学习？11.1.2 为什么需要迁移学习？11.1.3 迁移学习的基本问题有哪些？11.1.4 迁移学习有哪些常用概念？11.1.5 迁移学习与传统机器学习有什么区别？11.1.6 迁移学习的核心及度量准则？11.1.7 迁移学习与其他概念的区别？11.1.8 什么是负迁移？产生负迁移的原因有哪些？11.1.9 迁移学习的基...
2019-08-18 22:33:19
3870
1
转载 DQN——PPO流程总结
本文主要根究莫凡大大的RL教程总结下Nature DQN, Double DQN, Prioritized Replay DQN, Dueling DQN, Policy Gradient, Actor-Critic, DDPG, PPO 算法的流程。DQN1、将环境信息s输入到eval网络， 输出为action的Q值，选择最大Q值对应的action，或者随机生成一个action(所谓的探...
2019-05-10 15:53:38
20695
5
原创 达观杯”文本智能处理挑战赛——(五）模型融合
一、任务：1）进一步通过网格搜索法对3个模型进行调优（用5000条数据，调参时采用五折交叉验证的方式），并进行模型评估，展示代码的运行结果。(可以尝试使用其他模型)2）模型融合，模型融合方式任意，并结合之前的任务给出你的最优结果。例如Stacking融合，用你目前评分最高的模型作为基准模型，和其他模型进行stacking融合，得到最终模型及评分结果。二、k折交叉验证交叉验证我们拿到的原...
2019-04-16 11:45:48
179
原创 达观杯”文本智能处理挑战赛——(四）LR+SVM
一、LR和SVM原理1.逻辑回归(Logistic Regression)逻辑回归是一个非线性模型（sigmoid函数，又称逻辑回归函数），但是它本质上又是一个线性回归模型，因为除去sigmoid映射函数关系，其他的步骤，算法都是线性回归的。可以说，逻辑回归，都是以线性回归为理论支持的。只不过，线性模型，无法做到sigmoid的非线性形式，sigmoid可以轻松处理0/1分类问题。逻辑斯蒂...
2019-04-11 17:30:56
149
原创 达观杯”文本智能处理挑战赛——(三）word2vec理论并实践
一、word2vec词向量1.简介在自然语言处理的任务中，无论哪种算法都需要将文本形态的词转换成为向量形式的词向量（word embedding）。良好的词向量可以达到语义相近的词在词向量空间里聚集在一起，这对后续的文本分类，文本聚类等等算法提供良好的数据样本。word2vec也叫word embeddings，中文名“词向量”，作用就是将自然语言中的字词转为计算机可以理解的稠密向量（Den...
2019-04-09 17:32:52
529
原创 达观杯”文本智能处理挑战赛——(二）TF-IDF理论并实践
一、特征工程（方案）用传统的监督学习模型对一段文文本进行分类的基本过程：一段原始文本→（数据预处理）→处理后的文本→（特征工程）→Features→输入→y=f(x_1,x_2,x_3,…)→输出→类别特征工程是整个机器学习过程中最要的部分。特征决定了机器学习的上限，而机器学习算法只是逼近这个上限。因此，在机器学习的文本挖掘的预处理中，通常考虑采用TF-IDF的处理，那么什么是TF-ID...
2019-04-08 11:53:02
270
原创 达观杯”文本智能处理挑战赛——数据预处理
一、数据竞赛简介“达观杯”文本智能处理挑战赛１、任务建立模型通过长文本数据正文(article)，预测文本对应的类别(class)达观杯比赛链接：http://www.dcjingsai.com/common/cmpt/“达观杯”文本智能处理挑战赛_赛体与数据.html“达观杯”文本智能处理挑战赛&cmptId=229２、数据数据包含2个csv文件：train_set.csv...
2019-04-05 21:42:56
679
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人