yolov3算法详解_2020年阿里-算法工程师面经-程序员宅基地
技术标签： yolov3算法详解
写在前面：暑期实习从申请到拿到阿里意向书大概持续了1个月的时间，和周围其他同学比较，我的面试流程算走的比较快的了。还没有拿到意向书的朋友们也不要太着急，调整好心态好好准备（虽然内心多多少少会有些焦虑），阿里走流程算是比较快的了。希望能对求职的你有所帮助。
【阿里云1面（算法实习生）】
1、自我介绍、项目介绍
2、死锁出现的原因以及如何避免
雾夜飞鹰：死锁产生的原因及四个必要条件zhuanlan.zhihu.com3、算法题：畅通工程
【算法笔记第9.6节-并查集】问题 B: 畅通工程blog.csdn.net
个人感受：基础层。没有细问项目，聊了一些分布式训练、操作系统相关的东西，因为我说我不会，所以都是面试官在教我，基本没怎么问问题，最后要求用C++写一道medium算法题。面试官很和善，算法题没写出来，还给我提供了思路，感谢。
【阿里云2面（算法实习生）】
1、自我介绍、项目介绍
2、梯度消失、爆炸原因及其解决方法
详解机器学习中的梯度消失、爆炸原因及其解决方法_网络_Double_V的博客-程序员宅基地blog.csdn.net
3、模型压缩的方法
SIGAI：深度学习模型压缩与加速综述zhuanlan.zhihu.com
4、介绍轻量级网络
小小将：CNN模型之SqueezeNetzhuanlan.zhihu.com
5、介绍分布式训练
杨旭东：一文说清楚Tensorflow分布式训练必备知识zhuanlan.zhihu.com
同步训练存在木桶效应，需要各个设备的计算能力要均衡，而且要求集群的通信也要均衡。
异步模式理论上存在缺陷，容易发生梯度失效问题，但因为mini-batch随机梯度下降本身就是梯度下降的一个近似解法，且即使是梯度下降也无法保证全局最优。
在实际应用中，在相同时间内使用异步模式训练的模型不一定比同步模式差。所以这两种训练模式在实践中都有非常广泛的应用。
6、pytorch与tensorflow的区别
景略集智：PyTorch VS TensorFlow：细数两者的不同之处zhuanlan.zhihu.com
摘抄总结：
TensorFlow 是一款强大而成熟的深度学习库，有强大的可视化性能，以及用于高水平模型开发的多个选项。它具备生产就绪的部署选项，也支持移动平台。如果你符合以下情况， TensorFlow 会是个很好的选择：
- 开发用于生产的模型
- 开发需要在移动平台上部署的模型
- 想要非常好的社区支持和较为全面的帮助文档
- 想要丰富的多种形式的学习资源
- 想要或需要使用 Tensorboard
- 需要用到大规模的分布式模型训练
PyTorch 仍然是个比较年轻的框架，但发展迅速。如果符合以下情况，PyTorch 就比较适合你：
- 正在做机器学习研究，或开发的产品在非功能性需求方面要求不高
- 想要获得更好的开发和调试经验
- 喜欢很有“Python 味”的东西
7、过拟合原因和解决方法
阿里云云栖号：深度学习揭秘之防止过拟合（overfitting）zhuanlan.zhihu.com8、bn层作用
天雨粟：Batch Normalization原理与实战zhuanlan.zhihu.com
具体来说就是反向传播中，经过每一层的梯度会乘以该层的权重，举个简单例子： 正向传播中
9、介绍网络：Faster-RCNN、YOLO、SSD、YOLOv1、YOLOv2、YOLOv3、Masker-RCNN、GAN
10、如何提升mAP，举个例子
11、如何解决不收敛的问题，举个例子
瓦娜与欧洛因：神经网络不收敛的11个常见问题zhuanlan.zhihu.com
12、介绍优化器
深度学习--优化器算法Optimizer详解（BGD、SGD、MBGD、Momentum、NAG、Adagrad、Adadelta、RMSprop、Adam） - 郭耀华 - 博客园www.cnblogs.com
13、CenterNet的实现细节（argmax）
个人感受：应用层。2面问了很多项目上的细节以及基础知识，主要以检验基本知识体系为主。不会的我直接说不会，面试官就换了一个问题问，非常和蔼和有耐心。最后还对学习方向进行了指导。基础知识一定要牢固，多思考为什么，模型好在哪里以及解决问题的思路。
【阿里云3面（算法实习生）】
1、项目介绍
2、你是如何选择数据集采样标准的
3、RCNN、Fast RCNN 和 Faster RCNN的区别
4、如何解决过拟合
阿里云云栖号：深度学习揭秘之防止过拟合（overfitting）zhuanlan.zhihu.com5、如何使用ML知识分配算力
6、和初中生解释ML
7、假如你和你的leader意见相左，如何解决
个人感受：战略层。面试官从美国打来电话聊了1h，非常感谢他的时间（当时美国已经11 PM 了）基础知识问了15min左右，主要考察我解决问题的思路，以及对知识的理解和运用层面。最后对我的个人发展提出了指导性的建议，非常感谢。
【阿里云4面（算法实习生）】
1、项目介绍
2、如何部署算力
3、为什么选择RetinaNet
4、对数据、算法、算力的看法
5、混淆矩阵角度解读召回率和准确率
6、纳什均衡
7、反卷积和上采样
8、什么是排序算法的稳定性
9、稳定和非稳定的排序算法都有哪些
10、描述一下堆排序、什么是大顶堆、什么是小顶堆
11、描述一下二叉搜索树
12、时间复杂度为O(n)、空间复杂度为O(k)的树的搜索方法
god-jiang：神级遍历——morriszhuanlan.zhihu.com
个人感受：突击检查？这次面试没有预约，对项目问的较少，主要关心算力如何布局，问的基础问题比较多和二面类似，但更侧重于数据结构基础，面试官语速有点快，数据结构相关的问题基本都没答上来。面试时间超过了面试官预期，没有问问题环节了，意识到自己基础的薄弱性，感觉有点凉凉qwq
【陌陌科技（计算机视觉实习生）】
1、自我介绍、项目介绍
2、训练集在多个模型上比较性能，mAP高的是为什么，低的是为什么，响应速度高的是为什么，低的是为什么？（等等，深挖项目，SSD的表现为什么这么差，为什么不用分割网络，说一下 Repulsion Loss）
3、说一下faster-RCNN的Anchor怎么生成
YaqiLYU：目标检测中的Anchorzhuanlan.zhihu.com
4、写一下smooth L1的公式
请问 faster RCNN 和 SSD 中为什么用smooth L1 loss，和L2有什么区别？www.zhihu.com
5、写一下IoU的代码
Python 简版实现
#RT:RightTop
#LB:LeftBottom
def IOU(rectangle A, rectangleB):
W = min(A.RT.x, B.RT.x) - max(A.LB.x, B.LB.x)
H = min(A.RT.y, B.RT.y) - max(A.LB.y, B.LB.y)
if W <= 0 or H <= 0:
return 0;
SA = (A.RT.x - A.LB.x) * (A.RT.y - A.LB.y)
SB = (B.RT.x - B.LB.x) * (B.RT.y - B.LB.y)
cross = W * H
return cross/(SA + SB - cross)6、写一下focal loss
中国移不动：5分钟理解Focal Loss与GHM——解决样本不平衡利器zhuanlan.zhihu.com
【网易（AI研究员）】
1、python中的字典是如何实现的
AgL：Python字典dict实现原理zhuanlan.zhihu.com
2、vector是如何实现的
STL vector的内部实现原理及基本用法blog.csdn.net
3、C++中分配、释放空间的函数如何实现，有什么区别
分配空间的三种函数--malloc，calloc，realloc_zjq_smile的博客-程序员宅基地blog.csdn.net
4、K-means聚类算法实现
k-means聚类算法原理及python3实现_hanxia159357的博客-程序员宅基地blog.csdn.net
5、如何进行大规模去重
海量数据去重之SimHash算法简介和应用_三劫散仙-程序员宅基地blog.csdn.net
6、判别两个图片相似性
【华为（算法工程师）】
1、
【京东（技术管培生）】
1、群面（12个人 无领导小组讨论）总时长30min
2、HR面 主要考察对这份岗位的意愿 （30min
3、技术面 面试官好像很忙，根据简历问了一下 （20min
4、高管终面
环节1 阅读案例 给出解决方案（30min）
给了一个案例 解决一个人力资源的问题 （全文15页）
环节2 轮流自我介绍（每人2min）之前提交的3页PPT
个人感觉比较看重学历背景和实习经历
环节3 自由发言 案例的解决方案（每人3min）
环节4 面试官自由提问（20min）问题如下（可参考性不大
1）提三点案例公司需要提升的点
2）案例公司如何做2b的技术输出
3）云服务的优势
智能推荐
深度学习RNN-程序员宅基地
文章浏览阅读771次，点赞22次，收藏11次。只记得我在一个昏暗潮湿的地方喵喵地哭泣着。——夏目漱石《我是猫》到目前为止，我们看到的神经网络都是前馈型神经网络。（feedforward）是指网络的传播方向是单向的。具体地说，先将输入信号传给下一层（隐藏层），接收到信号的层也同样传给下一层，然后再传给下一层……像这样，信号仅在一个方向上传播。虽然前馈网络结构简单、易于理解，而且可以应用于许多任务中。不过，这种网络存在一个大问题，就是不能很好地处理时间序列数据（以下简称为“时序数据”）。
Rsync数据复制——本地数据传输_rsync本地拷贝-程序员宅基地
文章浏览阅读2.5k次。1本地数据传输类似cp的复制，实现文件，目录的增量复制。#语法模式rsync命令 参数 src源文件/目录 dest目标文件/目录1.本地文件复制# 复制hosts文件[root@chaogelinux ~]# rsync /etc/hosts /tmp/2.复制目录内容-r, --recursive 对子目录以递归模式处理# 复制/data下所有内容到/tmp[root@lb01 ~]# rsync -r /data/ /tmp/# 复制/data整个文件夹到/tmp_rsync本地拷贝
随机密码约瑟夫环_py约瑟夫环问题n,k,m要求由键盘输入值,每个人持有的密码随机生成。 2、每个函数完-程序员宅基地
文章浏览阅读1.4k次，点赞3次，收藏11次。约瑟夫环问题： 问题描述：设有编号为1，2，3……n的n个人顺时针方向围坐一圈，每人有一密码（正整数）。开始时给出一初始密码m，从编号为1的人开始报数，报m的人出列；以后将出列者的密码作为新的m，从顺时针方向紧挨着他的下一个人开始报数……直至所有人出列。试编算法，求出出列顺序。要求：用不带头结点的单向循环链表实现从键盘输入n，m各人的密码由计算机随机产生(1~10的正整数，也可以自定义_py约瑟夫环问题n,k,m要求由键盘输入值,每个人持有的密码随机生成。 2、每个函数完
[晓理紫]每日论文分享(有中文摘要，源码或项目地址)--强化学习、模仿学习、机器人_frenetix rl-程序员宅基地
文章浏览阅读1.7k次，点赞21次，收藏17次。这项研究介绍了一种自主运动规划的新方法，在Frenet坐标系内用强化学习（RL）代理通知分析算法。这种结合直接解决了自动驾驶中适应性和安全性的挑战。运动规划算法对于导航动态和复杂的场景至关重要。然而，传统方法缺乏不可预测环境所需的灵活性，而机器学习技术，特别是强化学习（RL），提供了适应性，但存在不稳定性和缺乏可解释性。我们独特的解决方案将传统运动规划算法的可预测性和稳定性与RL的动态适应性相结合，使系统能够有效地管理复杂的情况并适应不断变化的环境条件。_frenetix rl
springboot+shardingsphere实现读写分离和分库分表_spring.shardingsphere.sharding.master-slave-rules-程序员宅基地
文章浏览阅读335次。springboot整合shardingshere+druid 读写分离和分库分表，mybatis-plus_spring.shardingsphere.sharding.master-slave-rules
OSPF特殊区域NSSA配置实验（思科）_ospf naas区域实验-程序员宅基地
文章浏览阅读1.5k次，点赞2次，收藏4次。OSPF特殊区域NSSA配置实验一、实验目的二、实验内容三、实验流程四、查看和验证**OSPF特殊区域NSSA和Total NSSA配置实验总结：**一、实验目的1.掌握OSPF协议的工作原理及其LSA的类型划分；2.掌握OSPF特殊区域的概念、分类和特点；3.掌握路由器中OSPF特殊区域NSSA区域的基本配置方法和结果验证；二、实验内容完成思科路由器OSPF特殊区域NSSA区域的基本配置和结果验证；三、实验流程（一）配置任务说明如下图所示：区域0是骨干域，将区域1设置为nssa区域，完成_ospf naas区域实验
随便推点
离散数学——命题逻辑_离散数学命题逻辑-程序员宅基地
离散数学中的命题逻辑，包括命题的表示和联结词的运用，推理理论和常用的证明方法，如真值表法和直接证明法。还介绍了附加前提证明法或CP规则。
Spring Expression Language（SpEL）-程序员宅基地
文章浏览阅读8.6k次。Spring Expression Language（SpEL）spring的一种表达式。用来动态的获取，值、对象等。 样式： #{ …} 使用既定的规则放置在花括号中。式中的规则得以运行，可以反馈结果。理论上可以返回任何类型。 说说两种方式去设置SpELAnnotation注解。@Value（）方便快捷。 你可以在里面方式任何符合SpEL规范的语句，并把它的返回值注..._spring expression language
ansible最大并发_通过这7种方法来最大程度地提高Ansible技能-程序员宅基地
文章浏览阅读1.7k次。ansible最大并发 Ansible是一种功能强大的无代理（但易于使用且轻巧）的自动化工具，自2012年推出以来一直稳步流行。这种流行在一定程度上是由于其简单性。 默认情况下，Ansible的最基本依赖项（Python和SSH）几乎在所有地方都可用，这使得Ansible可以轻松用于各种系统：服务器，工作站，Raspberry Pi，工业控制器，Linux容器，网络设备等。 Ansible可..._ansible 提升 高并发
Barcode Reader在45毫秒内实现条码识别-程序员宅基地
文章浏览阅读479次。应我的客户要求，需要找到一款可以在极短时间识别二维条码的软件以应对他们现在极其迅速的货品入库需求。正好听说过一款Dynamsoft Barcode Reader的开发包，根据其官网介绍最新版对条码检测速度比以前的版本快2倍以上。根据对Dynamsoft Barcode Reader8.8SDK包拆解，其中含了JavaScript Package /.NET Package /C/C++ Package /Python Package /Java Package /iOS Package /A..._barcode reader
mediasoup-demo在 Windows上的正确编译安装注意事项_npm安装那个版本最好-程序员宅基地
文章浏览阅读1.2k次。前人栽树，后人乘凉，文章参考https://blog.csdn.net/TsingSee/article/details/108618054，我要感谢此博客主，mediasoup-demo很多文章都是关于在linux系统下的，很多在windows都有问题，而唯独此博客主的文章正确。我学习此博客的文章对比才知道主要问题在于三点：1.node，npm版本最好是要高版本的。2.python版本问题，这个是最关键的，一定不能是python3版本，我这里用的是TSING博客主建议的python-v2.7.17_npm安装那个版本最好
关于Spacy_pip install spacy python -m spacy download en_vect-程序员宅基地
文章浏览阅读1.0k次。关于Spacy安装遇到的错误_pip install spacy python -m spacy download en_vectors_web_lg