Oliver8459-CSDN博客

一面视频面，65min，2020/7/15面试官做司机事故率预测主要聊的第一个项目（人脸识别），然后里面用到了多任务学习，又多扯了一会儿，由于网络以及loss讲不太清晰，叫我画了网络结构图以及loss定义。还叫我回头把我参考多任务学习的paper发给他。（45min）DropOut作用DropOut分别在训练阶段与测试阶段是怎么工作的算法题，股票最优交易问题，在collabedit上编辑的面试官很Nice，会调节气氛，所以面试的时候很放松，面试结束后他也说我表现得不错。二面电话面，40

2020-07-17 16:08:45 1041 1

原创牛客阿里JAVA工程师直播

2020/7/11 牛客阿里JAVA工程师直播基本知识储备（基本功）计算机基础知识【优先级：高】：数据结构、数据库（Mysql,MongoDB）【优先级：中】：操作系统、组成原理【优先级：低】：网络（至少了解基础概念qps\tps\带宽）语言基础知识JAVA基础语法泛型、异常、常用工具（Guava\FastJSON）多线程、JVM、ClassLoader其他加分项Shell基础语法H5基础语法正则表达式进阶知识储备（结合场景理解）经典技术框架（中间件）数

2020-07-11 21:27:41 237

原创 Navicat连接数据库配置 1130报错 1251报错

1130报错，默认情况下root用户只允许本机访问,即使用localhost访问。查看mysql的配置可以看到最后一行，只允许localhost访问root用户mysql> use mysql; Database changedmysql> select host,user from user;+-----------+------------------+| host | user |+-----------+----------------

2020-06-26 16:03:23 152

原创 Python与Java语法对照

数组# Pythona = list() //or a = []a = a.append('b')# 截取数组a[1:3]//javaList<String> a = new ArrayList<>();String b = "b";a.add(b);//截取数组Arrays.copyOfRange(a,1,3);字典# Python # 1.a = {'A':1}# 2.a = dict()a['A']=1b = a['A']# 设置默

2020-06-24 16:38:59 521

原创旷视研究院算法岗人脸识别方向面经

旷视研究院算法岗人脸识别方向电话面 2020/6/19 16：00-17：00面试官是做活体检测的1.介绍项目项目是做人脸识别相关的，也是小论文，问了些测试指标和公开数据集的一些指标，做这个的出发点，然后挑些毛病，没怎么听懂。2.项目中用到了resnet，让我讲下resnet的blocks，以及每个blocks是什么样的，具体到每一层是什么？如果现场面估计要叫我画网络结构图。3.resnet设计的初衷？4.resnet中的kernel_size？5.bn层原理？6.bn层的均值和方差

2020-06-19 18:31:40 882

原创深度学习笔记[更新中。。。]

防止过拟合的方法数据增广提前终止训练正则化Dropout梯度消失与梯度爆炸梯度消失神经网络有很多层，每个隐藏层都使用Sigmoid函数作为激活函数时，我们知道Sigmoid函数有一个缺点：当x较大或较小时，导数接近0；并且Sigmoid函数导数的最大值是0.25。假设现网络每层只有一个神经元，如果我们使用标准方法来初始化网络中的权重，那么会使用一个均值为0标准差为1的高斯分布。因此所有的权重通常会满足|wj|<1，而s‘是小于0.25的值，那么当神经网络特别深的时候，梯度呈指数级衰减

2020-06-19 10:28:01 2748 1

原创 python实现局域网内使用TCP服务器传输文件

文章目录1.服务端主机搭建TCP服务2.客户端通过FTP链接访问服务端的文件3.python实现客户端从服务端下载数据1.服务端主机搭建TCP服务右键我的电脑——选择管理——右键用户——选择新建用户创建完TCP用户后打开控制面板——选择程序——启动或关闭windows功能——启动Internet Information Services正在启动中……启动IIS后重新打开计算机管理，会多出一个IIS管理器服务端的TCP服务部署完成！2.客户端通过FTP链接访问服务端的文件现在我们

2020-06-16 20:42:31 883

原创人脸识别或多分类问题的性能评判指标——ROC曲线绘制

混淆矩阵TP(真阳)FP(假阳)FN(假阴)TN(真阴)ROC曲线在理解ROC曲线之前，我们需要知道FPR(False Positive Rate)和TPR(True Positive Rate)：FPR=FP/(FP+TN)，即预测为正样本（实际为负样本）占所有负样本的比例。TPR=TP/(TP+FN)，即预测为正样本（实际为正样本）占所有正样本的比例。roc曲线：就是以FPR为横坐标，TPR为纵坐标，通过设定不同的阈值而绘制出许多坐标点，用这些坐标点拟合出一条曲线，

2020-05-29 15:17:22 2042 2

转载一篇文章让你完全理解置信区间与置信度

机器学习本质上是对条件概率或概率分布的估计，而这样的估计到底有多少是置信度？这里就涉及到统计学里面的置信区间与置信度，本文简要介绍了置信区间这一核心概念，它有助于我们从直观上理解评价估计优劣的度量方法。本文讨论了统计学中的一个基本术语：置信区间。我们仅以一种非常友好的方式讨论一般概念，没有太多花哨的统计术语，同时还会使用 Python 完成简单的实现！尽管这个术语是非常基础的，但我们有时很难完全理解置信区间到底是什么，为什么我们需要它。假设你想知道美国有多少人热爱足球。为了得到 100％正确的答案，

2020-05-26 13:24:29 2864 2

原创 IDEA配置Maven并换源

IDEA配置Maven并换源JDK安装Maven安装、配置、换源1.Maven安装与配置2.Maven换源JDK安装直接下载jdk并执行exe文件安装即可，不需要配置。Maven安装、配置、换源1.Maven安装与配置下载Maven并安装，配置Maven的环境变量。执行mvn -v查看是否配置成功。在Maven路径创建一个空文件夹作为本地仓库，本文叫LocalWareHouse。并编辑maven的配置文件%M2_HOME%\conf\setting.xml，添加本地仓库的路径。<l

2020-05-24 16:00:08 3538

原创 [论文解读]迁移学习之Deep Domain Confusion: Maximizing for Domain Invariance

一般的监督学习deep-CNN模型需要在大规模的数据集上训练，但不可移植。微调预训练模型的方法在一些新的领域需要特别的数据，也不适用。作者用了一种新的CNN结构，加入了一个自适应层（adaption layer）和一个addtional domain confusion loss来学习在语义上有意义的描述和在领域上不同的描述。1并介绍了一个可用于模型选择的domain confusi...

2020-04-15 15:52:23 3506

weixin_42129882的博客

原创决策树、CART、随机森林、GBDT和XGBoost

原创滴滴算法岗实习面经