求职面试 - 随笔分类(第2页) - 知识天地

深度学习面试题12：LeNet(手写数字识别)

摘要：目录神经网络的卷积、池化、拉伸 LeNet网络结构 LeNet在MNIST数据集上应用参考资料 LeNet是卷积神经网络的祖师爷LeCun在1998年提出，用于解决手写数字识别的视觉任务。自那时起，CNN的最基本的架构就定下来了：卷积层、池化层、全连接层。如今各大深度学习框架中所使用的LeNet 阅读全文

posted @ 2019-08-20 09:58 知识天地阅读(1338) 评论(0) 推荐(0) 编辑

深度学习面试题11：池化（same池化、valid池化、带深度的池化）

摘要：目录 Same最大值池化多深度的same池化 Same平均值池化 Valid池化参考资料池化(Pooling)操作与卷积类似，取输入张量的每个位置的矩形领域内的最大值或平均值作为该位置的输出。池化操作分为same池化和valid池化，同时还可以设置移动的步长 Same最大值池化举例：4行4 阅读全文

posted @ 2019-08-20 09:57 知识天地阅读(1391) 评论(0) 推荐(0) 编辑

深度学习面试题10：二维卷积（Full卷积、Same卷积、Valid卷积、带深度的二维卷积）

摘要：目录二维Full卷积二维Same卷积二维Valid卷积三种卷积类型的关系具备深度的二维卷积具备深度的张量与多个卷积核的卷积参考资料二维卷积的原理和一维卷积类似，也有full卷积、same卷积和valid卷积。举例：3*3的二维张量x和2*2的二维张量K进行卷积二维Full卷积 F 阅读全文

posted @ 2019-08-20 09:56 知识天地阅读(1214) 评论(0) 推荐(0) 编辑

深度学习面试题09：一维卷积（Full卷积、Same卷积、Valid卷积、带深度的一维卷积）

摘要：目录一维Full卷积一维Same卷积一维Valid卷积三种卷积类型的关系具备深度的一维卷积具备深度的张量与多个卷积核的卷积参考资料一维卷积通常有三种类型：full卷积、same卷积和valid卷积，下面以一个长度为5的一维张量I和长度为3的一维张量K（卷积核）为例，介绍这三种卷积的计阅读全文

posted @ 2019-08-20 09:54 知识天地阅读(1403) 评论(0) 推荐(0) 编辑

深度学习面试题08：梯度消失与梯度爆炸

摘要：目录梯度消失梯度爆炸参考资料以下图的全连接神经网络为例，来演示梯度爆炸和梯度消失：梯度消失在模型参数w都是(-1,1)之间的数的前提下，如果激活函数选择的是sigmod(x)，那么他的导函数σ’(x)的值域为(0,0.25]，即如下三项的范围都是(0,0.25] 那么w1的导数会有很多( 阅读全文

posted @ 2019-08-20 09:52 知识天地阅读(946) 评论(0) 推荐(0) 编辑

深度学习面试题07：sigmod交叉熵、softmax交叉熵

摘要：目录 sigmod交叉熵 Softmax转换 Softmax交叉熵参考资料 sigmod交叉熵 Sigmod交叉熵实际就是我们所说的对数损失，它是针对二分类任务的损失函数，在神经网络中，一般输出层只有一个结点。假设y为样本标签，_y为全连接网络的输出层的值，那么，这个对数损失定义为 PS：这个是阅读全文

posted @ 2019-08-20 09:49 知识天地阅读(992) 评论(0) 推荐(0) 编辑

深度学习面试题06：全连接神经网络正向传播与梯度反向传播

摘要：目录链式法则逻辑回归的正、反向传播逻辑回归的正、反向传播案例全连接神经网络的正、反向传播全连接神经网络的正、反向传播案例参考资料链式法则类型一：类型二：类型三：返回目录逻辑回归的正、反向传播逻辑回归可以看做最简单的神经网络，他只有一个神经元，损失函数选择的是对数损失，他的正阅读全文

posted @ 2019-08-20 09:47 知识天地阅读(851) 评论(0) 推荐(0) 编辑

深度学习面试题05：激活函数sigmod、tanh、ReLU、LeakyRelu、Relu6

摘要：目录为什么要用激活函数 sigmod tanh ReLU LeakyReLU ReLU6 参考资料为什么要用激活函数在神经网络中，如果不对上一层结点的输出做非线性转换的话，再深的网络也是线性模型，只能把输入线性组合再输出（如下图），不能学习到复杂的映射关系，因此需要使用激活函数这个非线性函数做阅读全文

posted @ 2019-08-20 09:46 知识天地阅读(1766) 评论(0) 推荐(0) 编辑

深度学习面试题04：随机梯度下降法、批量梯度下降法、小批量梯度下降

摘要：目录一元线性回归模型一元线性回归代价函数图像梯度下降求解 SGD、BGD、Mini-batchGD的特点参考资料在《深度学习面试题03改进版梯度下降法Adagrad、RMSprop、Momentum、Adam》中讲到了多种改进的梯度下降公式。而这篇文章和03篇描述的不是一个事情，我们从一个阅读全文

posted @ 2019-08-20 09:45 知识天地阅读(1015) 评论(0) 推荐(0) 编辑

深度学习面试题03：改进版梯度下降法Adagrad、RMSprop、Momentum、Adam

摘要：目录 Adagrad法 RMSprop法 Momentum法 Adam法参考资料发展历史标准梯度下降法的缺陷如果学习率选的不恰当会出现以上情况因此有一些自动调学习率的方法。一般来说，随着迭代次数的增加，学习率应该越来越小，因为迭代次数增加后，得到的解应该比较靠近最优解，所以要缩小步长η，那阅读全文

posted @ 2019-08-20 09:44 知识天地阅读(1123) 评论(0) 推荐(2) 编辑

深度学习面试题02：标准梯度下降法

摘要：目录一元函数的梯度下降法多元函数的梯度下降法参考资料梯度下降是一种迭代式的最优化手段，在机器学习中一般用于求目标函数的极小值点，这个极小值点就是最优的模型内部参数。相比求解析解的手段，GD的通用性更强，所以受到广泛的使用。一元函数的梯度下降法比如求解f(x)=(x-1)2的最小值点梯度阅读全文

posted @ 2019-08-20 09:41 知识天地阅读(1138) 评论(0) 推荐(0) 编辑

深度学习面试题01：导数、偏导数、方向导数、梯度的概念

摘要：目录导数偏导数方向导数梯度参考资料导数导数反映的是函数y=f(x)在某一点处沿x轴正方向的变化率。比如y=x2，在x=1处的导数=2。导数是通过极限来定义的，某一点的导数=tanψ，但是前提是△x趋近于0，此时tanψ=tanα=该点导数，公式如下：返回目录偏导数在多元函数中阅读全文

posted @ 2019-08-20 09:40 知识天地阅读(1045) 评论(0) 推荐(0) 编辑

在线面试、写代码工具

摘要：http://collabedit.com/6ak5k 阅读全文

posted @ 2017-09-13 15:53 知识天地阅读(2942) 评论(0) 推荐(0) 编辑

测试工程师简历样本

摘要：个人信息：不要写的太复杂，联系方式，姓名，毕业学校，学历求职目标：软件测试工程师自我评价：写的好一点，让人一看觉得你适合做测试职业技能：培训时学到总结归纳一下（本部分重点突出）其他技能：把自己会的写上项目经验：把培训时做过的项目全部一项一项的写清楚（本部分重点突出）教育经历：简单写一下在大学获得的奖阅读全文

posted @ 2016-05-04 13:17 知识天地阅读(3407) 评论(0) 推荐(0) 编辑

软件开发人员的简历项目经验怎么写？

摘要：许多学习软件开发的学员不知道如何在个人简历中如何填写“项目经验”或“项目描述”，最近接触的一些学习Java的学生在简历中，往往项目经验及描述都只能寥寥几笔完事，这样的简历肯定是不吸引招聘企业 HR的。那么软件开发人员如何才能写好个人简历中的项目经验及描述呢？首先你要知道招聘企业想从你的项目经阅读全文

posted @ 2016-05-04 13:10 知识天地阅读(1582) 评论(0) 推荐(0) 编辑

百度、腾讯和阿里内部的级别和薪资待遇是什么样的？

摘要：三大互联网巨头公司，百度腾讯跟阿里如何划分级别？薪资待遇又有多少？除非身居其位，否则很难探知，但是等你到那个位置知道了，却又不能说，至少不能在公开场合谈论。接下来就为大家揭秘，百度、阿里与腾讯内部的级别划分跟薪资待遇。这是一个群众喜闻乐见却又讳莫如深的话题。各个公司头衔名字都不一样，级别的数目也不阅读全文

posted @ 2016-04-17 12:28 知识天地阅读(7769) 评论(0) 推荐(0) 编辑

2014年互联网公司职级，薪资表

摘要：阅读全文

posted @ 2016-04-17 11:25 知识天地阅读(444) 评论(0) 推荐(0) 编辑

谷歌面试官经典作品(CTCI)目录

摘要：1.1 判断一个字符串中的字符是否唯一 1.2 字符串翻转 1.3 去除字符串中重复字符 1.8 利用已知函数判断字符串是否为另一字符串的子串 2.1 从链表中移除重复结点 2.2 实现一个算法从一个单链表中返回倒数第n个元素 2.3 给定链表中间某结点指针，删除链表中该结点 2.4 求由两个链表结阅读全文

posted @ 2016-03-28 23:21 知识天地阅读(831) 评论(0) 推荐(0) 编辑

二叉树的前序、中序、后序遍历与创建

摘要：#include #include #include using namespace std;struct node;typedef node *pNode;struct node { char data; pNode left, right;};string line;string::iterat... 阅读全文

posted @ 2015-01-13 13:30 知识天地阅读(8674) 评论(0) 推荐(0) 编辑

随笔分类 - 求职面试