本部分主要是機器學習的題目
1.神經網路訓練時使用dropout主要目的是什麼？ 訓練和測試時使用的區別是什麼
2.深度學習解決過擬合和欠擬合的策略都有哪些？
過擬合
data augmentation。人工增加訓練集的大小. 通過平移, 翻轉, 加雜訊等方法從已有資料中創造出一批」新」的資料.
regularization。資料量比較小會導致模型過擬合, 使得訓練誤差很小而測試誤差特別大. 通過在loss function 後面加上正則項可以抑制過擬合的產生. 缺點是引入了乙個需要手動調整的hyper-parameter.
dropout
batch normalization
unsupervised pre-training. 用auto-encoder或者rbm的卷積形式一層一層地做無監督預訓練, 最後加上分類層做有監督的fine-tuning.
early stop. 提前停止訓練
適當新增pooling層能減輕過擬合
減少模型複雜度
欠擬合
3. cnn中1×
1 的卷積核有什麼作用
4. 如何將fully connected layer轉化為fully convolutional layer?
5. 比較vgg16, inceptionbn, resnet-50網路訓練計算量大小，並排序
6. 在faster rcnn中，設計不同尺寸的anchors的目的
7.解釋dcnn中bottleneck的作用
8. inception v1, v2, v3, v4 不同點
程式設計題彙總3
1.請寫出c c 語言實現矩陣乘法加速的常用方法for i 0 i i for j 0 j j sum 0 for k 0 k但是考慮了快取記憶體的問題後，其實有一種更好的實現方式 for i 0 i i for k 0 k r a i k for j 0 j細看一番就會發現這兩種實現語義是等價的，...
筆試程式設計題彙總 2
描述 給乙個整數陣列num,和乙個鎮整數k,能否把陣列num切成k個子集，且各個子集的和相等，返回布林型別 輸入輸出 輸入 乙個整數陣列num和乙個正整數k 輸出 返回true或者false，bool型別 樣例 輸入 4,3,2,3,5,2,1 4 輸出 true 解釋 可以分解為4個子集，他們的和...
筆試程式設計題彙總 6
給乙個長度為n的整數陣列，將這個陣列分成m段，每一段的和為這一段的權重，所有段的權重的最大值為這次分割的權重，求所有分割中最小的權重 輸入描述 第一行是兩個整數，表示n,m m n 第二行數n個空格分割的整數 輸出 輸出所有分割中最小的權重 樣例 input 5 31 4 2 3 5 output ...