机器学习CV算法岗面试-基础知识部分:
- MobileNet的特点,以及v1-v3的提升点
- Yolo系列特点及每次的改进,多尺度体现在哪里,损失函数的改进
- Darknet的特点,19,53
- 卷积的计算量和参数量的计算
- 卷积,池化的前向传播和反向传播的具体计算(带入具体的值进行推导)
- BN层的作用已经 γ \gamma γ和 β \beta β的作用
- 均方差损失为什么除以n-1
- 过拟合欠拟合
- 正则项L1 L2
- 梯度消失,梯度爆炸数值的具体计算
- 如何解决类别不均衡问题
- focal loss以及如何进行困难样本挖掘
- softmax,sigmoid,交叉熵,kl散度公式
- 目标检测的评价指标,mAP的理解
- 红黑树
- 霍夫变换
- 深拷贝,浅拷贝
- 矩阵相乘的复杂度以及三层循环改变顺序后为什么时间上有很大差别(CPU cache相关)
- 深度学习如何加快训练速度(模型,数据集,分布式训练,参数)
- pytorch的多卡训练方式
- 加速SIMD NEON
- 决策树,Bagging,Boosting
- KNN算法
- 概率题(贝叶斯):小明去医院做X癌的化验为阳性,阳性代表从化验的结果来看他得了X癌,医学界认为X癌的患病概率为0.1%,假设医院化验的准确度是98%,请问小明患X癌的概率?
- 方差,偏差
- L1,L2范数
- 边缘检测算子
- auc和roc
- 牛顿法,随机梯度下降,动量法的区别
- 哈希算法,哈希表
- python中的数据类型
- spark的RDD
- 数据库文件的索引(内存有16G,如何索引文件(文件比内存大))
- SSD和Inception以及ResNet的结合,具体网络结构(针对车牌识别)
- 基本的分类网络有那些?历史沿革
- 目标检测的网络中two-stage的RPN如何找到
- SSD的损失函数
- TensorFlow如何在基本网络不变的情况下,训练其中一层?
- dice系数的定义,以及计算
- SSD车牌识别如何解决类别不平衡问题,比如汉字少于字母和数字
- IoU是如何定义的,定为了多少?
- Smooth L1为什么能当损失函数
- 为什么要用U-Net做分割?如何图像增强的?
- 非极大值抑制
机器学习CV算法岗面试-代码部分
- TopK问题
- 全排列
- 无重复字符的子串
- 找质数,众数,中位数
- 文本文件单词去重
- 找出一棵二叉树的最短深度(层次遍历)
- 对于一个数字 x ,给出两个变换规则:
a.如果 x 是偶数,那么可以变成 x+1 或者 2x
b.如果 x 是奇数,那么只能变成 2x
给出任意的 x, y,问 x 经过若干轮变换后,是否有可能变成 y?请实现程序. - n分解为平方数
- 走台阶动态规划,背包问题
- 随机给定一个实数数组,返回一个等大的数组,里面的数值是除给定数组以外的其他所有数组的乘积,不能用除法
- 普通二叉树,查找树中某个值,返回路径
- 给定一个随机整数数组,从某一个下标开始找递增序列,可以非连续,返回最长的递增序列长度以及数值