面试准备+++（快失业啦，欢迎看到的大神救救我）

已于 2022-07-17 22:11:22 修改
阅读量508 收藏
点赞数
文章标签： 深度学习
于 2021-09-22 15:02:36 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45639117/article/details/120399091
版权

文章目录

一、深度/机器学习基础知识

损失函数

激活函数

归一化

正则化

拟合相关

数据增强

卷积相关

优化器

二、检测相关知识

yolo系

rcnn系

centernet系（个人认为detr也可以算此类）

三、跟踪相关知识

检测/跟踪相关指标

sort/deepsort

fairmot

trantrack

四、算法相关

背包

二叉树

链表

组合

小猪猪爱吃饭
关注
题解 | #某宝店铺连续2天及以上购物的用户及其对应的天数#
han_xue_feng的博客
10-12 980
途虎养车Java 自我介绍结束就是项目，问算法问了挺多。然后一些多线程的八股，最后手撕，说给20分钟，10分钟就a了，然后反问环节数字时代的自我呈现：探索个人形象打造的创新工具 数字时代的自我呈现：探索个人形象打造的创新工具——FaceChain深度学习模型工具1.介绍FaceChain是一个可以用来打造个人数字形象的深度学习模型工具。小红书 Android社区技术 二面 时长：40分钟1、进程、线程、协程的区别2、进程的调度算法3
华为 笔试 4.24 第二题：这一题只通过了36%why
2301_78234743的博客
04-24 1964
小米# #小米求职进展汇总#rt，投的日常实习，自动驾驶方向，因为暑期实习没有想去的岗位。只有一面，本人是自动化专业，简历上主要是嵌入式方向的，面试的岗位是。担惊受怕日子我真的过够了，每天对电话和信息都应激了，虽然感觉二面我回答的很勾史，但是还是希望美团救救。这次只问了第一个java项目，先介绍有无难点，然后问了某块设计的流程，问库存秒杀流程，然后就问到了r。目前面过的厂如下：美团，整个暑期实习的第一面，表现太差，一面挂。
【精】拼多多2024官方校招 &amp；&amp； 2025届实习生招聘
华鑫的专栏
05-22 971
bg：双非本，c9硕，一段小厂数分，两段大厂数分/商分一面45min：1.自我介绍2.详细介绍一个工。因为一直想找游戏开发的，就投了很多，一直都没啥面试，面的也都挂了，直到上周在某招聘软件上无意间投了诗。真心求各位帮忙，给点意见吧，无论是格式、内容，还是排版，只要是建议我都洗耳恭听。如果你愿意抽时间帮我。自我介绍然后问项目，创新点在哪，代码量多少，看项目github代码其他方面的涉猎，机器学习，大模型、1、java基础，java语言编译运行命令行、接口和抽象类的区别，封装继承多态，对象类、流2、数据库。
LLMs之LoLCATs：《LoLCATs: On Low-Rank Linearizing of Large Language Models》翻译与解读
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
11-07 1144
​ LLMs之LoLCATs：《LoLCATs: On Low-Rank Linearizing of Large Language Models》翻译与解读 目录 《LoLCATs: On Low-Rank Linearizing of Large Language Models》翻译与解读 Abstract 1 Introduction Conclusion Limitations and Future Work局限性和未来工作 《Lo
一文快速预览经典深度学习模型（一）——CNN、RNN、LSTM、Transformer、ViT
ttrr27的博客
11-05 1068
Hi，大家好，我是半亩花海。本文主要简要并通俗地介绍了几种经典的深度学习模型，如CNN、RNN、LSTM、Transformer、ViT（Vision Transformer）等，便于大家初探深度学习的相关知识，并更好地理解深度学习的基础内容，为后续科研开展建立一定的基础，欢迎大家一起交流学习。
AttriPrompter：基于属性语义的自动提示，用于通过视觉-语言预训练模型实现零样本细胞核检测|文献速递-基于深度学习的病灶分割与数据超分辨率
weixin_38594676的博客
11-06 525
此外，我们提出了一个自训练的知识蒸馏框架，GLIP作为教师模型，利用其初始预测作为伪标签，以应对高密度细胞核检测带来的挑战，包括漏检、误检和实例重叠问题。我们的方法在无标注的细胞核检测中表现出色，优于所有现有的无监督方法，并展现出良好的通用性。目前，大规模视觉-语言预训练模型（VLPMs）通过从大量网络来源的文本-图像对中学习对齐的文本和图像特征，获得了语义丰富、多功能且可迁移的视觉特征，从而催生了新的无监督学习方法。带有“*”标记的方法基于医学图像，而带有“**”标记的方法专门基于 H&E 图像。
深度学习工程实践：PyTorch Lightning与Ignite框架的技术特性对比分析
deephub
11-10 4236
在深度学习框架的选择上，PyTorch Lightning和Ignite代表了两种不同的技术路线。本文将从技术实现的角度，深入分析这两个框架在实际应用中的差异，为开发者提供客观的技术参考。
CoD-MIL: 基于诊断链提示的多实例学习用于全切片图像分类|文献速递-基于深度学习的病灶分割与数据超分辨率
weixin_38594676的博客
11-07 551
受 CoT 提示和病理学家临床知识的启发，我们提出了一种用于全切片图像分类的基于诊断链提示的多实例学习（CoD-MIL）框架。在多实例学习（MIL）中，全切片图像（WSI，即包）W = {Wl, Wh} 被通过无重叠滑动窗口方法裁剪为一系列小块（即实例）P = {Pl ∈ R Nl×N0×N0×3, Ph ∈ R Nh×N0×N0×3}。N0 为小块的尺寸。受自然语言处理中的链式思维提示和病理学家诊断先验的启发，我们的链式诊断文本提示将复杂的诊断过程分解为在全视野图像中从低倍到高倍的系列渐进子过程。
0基础跟德姆（dom）一起学AI 深度学习01-深度学习介绍
chrisfanallin的博客
11-06 594
AI全流程带你玩 0基础带你学人工智能相关软件，讲解机器学习、深度学习、大模型等人工智能领域核心知识。 帮助想了解，或者正在AI赛道成长的你。
Unet++改进7：添加SimAM注意力机制||无参数的卷积神经网络注意模块
m0_51530640的博客
11-09 86
在本文中，我们为卷积神经网络(ConvNets)提出了一个概念简单但非常有效的注意力模块。与现有的通道智能和空间智能注意力模块相比，我们的模块在不向原始网络添加参数的情况下推断出层中特征映射的三维注意力权重。具体来说，我们基于一些著名的神经科学理论，提出优化能量函数来找到每个神经元的重要性。我们进一步推导了能量函数的快速封闭解，并表明该解可以在不到十行代码中实现。该模块的另一个优点是，大多数算子都是根据定义的能量函数的解来选择的，避免了过多的结构调整工作。
【科普】简述CNN的各种模型
最新发布
哇咔咔哇咔的博客
11-10 548
简述CNN的各种模型
人脸识别技术：从算法到深度学习的全面解析
梵心白莲的博客
11-07 919
人脸识别技术作为一种重要的生物识别技术，在当今社会中具有举足轻重的地位。它广泛应用于各个领域，如金融领域的实名认证、安保领域的门禁系统、通行领域的火车站和地铁站检票、泛娱乐领域的美颜相机和短视频特效处理、公安和司法领域的逃犯追捕和服刑人员管理、自助服务设备以及考勤和会务等。
ML 系列：机器学习和深度学习的深层次总结（ 20）— 离散概率分布 （Bernoulli 分布）
gongdiwudu的专栏
11-06 960
离散概率分布，最早的杰出任务是贝努力，而贝努力分布是最早的离散概率模型，至今依然是重要的概率理论，在物理学的热力学、量子理论均有巨大意义。
CNN中每一层的权重是一样的么？
哇咔咔哇咔的博客
11-10 256
CNN中每一层的权重是一样的么？
深度学习：NAT Decoder 详解
m0_73640344的博客
11-06 410
非自回归转换器（Non-Autoregressive Transformer, NAT）解码器是一种特殊类型的解码器，设计用来在序列生成任务中加速输出的生成过程。与传统的自回归解码器（如上文所述的AT解码器）不同，NAT解码器可以并行生成整个输出序列，而不是逐个字符地生成。这种并行性显著提高了解码速度，尤其适用于对响应时间要求极高的应用场景。
万字长文解读深度学习——生成对抗网络GAN
11-10 692
面试资料收集者之万字长文解读【深度学习面试——生成对抗网络GAN】
YOLO11改进-注意力-引入多尺度注意力聚合（MSAA）模块
qq_64693987的博客
11-06 631
对来自backbone的特征进行细化处理。通过空间和通道两个路径的操作，增强了空间和通道方面的特征信息，使得输出的特征图在空间和通道维度上都更加优质。1. 在空间细化路径中，通过对不同核大小的卷积进行求和以及一系列的空间特征聚合操作，实现了多尺度空间信息的融合。2. 在通道聚合路径中，通过全局平均池化、卷积和激活等操作生成通道注意力图，并与空间细化后的图相结合，实现了通道维度上的多尺度信息融合。
卷积神经网络基础
weixin_74292291的博客
11-07 860
本文介绍卷积神经网络，包括其提出历程、关键部件（卷积、非线性变换、池化、全连接层）、训练过程（前向传播与反向传播）及典型的 LeNet - 5 网络结构与特点。
Unet++改进20：添加RFAConv||用于特征冗余的空间和通道重构卷积
m0_51530640的博客
11-10 59
空间注意被广泛用于提高卷积神经网络的性能。然而，它也有一定的局限性。本文提出了空间注意有效性的新视角，即空间注意机制本质上解决了卷积核参数共享问题。然而，空间注意生成的注意图所包含的信息对于大尺度卷积核来说是不够的。因此，我们提出了一种新的注意机制，即接受场注意(RFA)。现有的空间注意方法，如卷积块注意模块(CBAM)和协调注意(CA)，只关注空间特征，没有充分解决卷积核参数共享问题。相比之下，RFA不仅关注接受场空间特征，而且为大尺寸卷积核提供了有效的注意权值。
十分钟快速入门TensorFlow 2.3+Keras，迈向机器学习专家
资源摘要信息: "10分钟上手TensorFlow成为机器学习大神！.zip"是一个面向初学者的官方教程，旨在帮助学习者快速掌握TensorFlow 2.3版本的基础知识，并配合Keras库使用。教程承诺在短短10分钟内使初学者能够入门并...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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