AI算法工程师--小测试2

自动摘要: 数学基础 1.sigmoid函数特性。 2.概率和似然的区别。 机器学习 1.什么是DBSCAN？ 2.什么是梯度消失？ 3.什么是dropout？ 4.卷积层和池化 ……..

数学基础

1. sigmoid函数特性。
2. 概率和似然的区别。

机器学习

1. 什么是DBSCAN？
2. 什么是梯度消失？
3. 什么是dropout？
4. 卷积层和池化层有什么区别？

编程题：

1. python中is和==的区别?
2. Python多进程有哪些实现方式?
3. pytorch中cuda()作用,两个Tensor,一个加了cuda(),一个没加,相加后很怎样?

实践题：

1. 跳台阶问题，每次只能跳1个台阶或者2个台阶，n个台阶共有多少种方式？（可以写伪代码）

参考答案：

原则上，能回答5-6个以上即合格；

数学基础

1. sigmoid函数特性

2. 定义域为

3. 值域为(0,1)

4. 函数在定义域内为连续和光滑的函数

5. 处处可导,导数为

6. 概率和似然的区别

   1. 概率是指在给定参数
      的情况下,样本的随机向量X=x的可能性。而似然表示的是在给定样本X=x的情况下,参数
      为真实值的可能性。一般情况,对随机变量的取值用概率表示。而在非贝叶斯统计的情况下,参数为一个实数而不是随机变量,一般用似然来表示。

机器学习

3. 什么是DBSCAN？
   1. DBSCAN是一种基于密度的空间聚类算法,它不需要定义簇的个数,而是将具有足够高密度的区域划分为簇,并在有噪声的数据中发现任意形状的簇,在此算法中将簇定义为密度相连的点的最大集合。
4. 什么是梯度消失？
   1. 在神经网络中，当前面隐藏层的学习速率低于后面隐藏层的学习速率，即随着隐藏层数目的增加，分类准确率反而下降了。这种现象叫做消失的梯度问题。
5. 什么是dropout？
   1. 在神经网络的训练过程中,对于神经单元按一定的概率将其随机从网络中丢弃,从而达到对于每个mini-batch都是在训练不同网络的效果,防止过拟合。
6. 卷积层和池化层有什么区别？

   	卷积层	池化层
   特性	权值共享：减少了参数的数量，并利用了图像目标的位置无关性。	稀疏连接：输出的每个值只依赖于输入的部分值。
   功能	提取特征	压缩特征图，提取主要特征操作
   操作	可惜是二维的，对于三维数据比如RGB图像（3通道），卷积核的深度必须同输入的通道数，输出的通道数等于卷积核的个数。卷积操作会改变输入特征图的通道数。	池化只是在二维数据上操作的，因此不改变输入的通道数。对于多通道的输入，这一点和卷积区别很大。

编程题：

7. python中is和==的区别?
   1. is是用来判断两个变量引用的对象是否为同一个,==用于判断引用对象的值是否相等。可以通过id()函数查看引用对象的地址。
8. python多线程？
   1. 方式一: os.fork()
   2. 方式二:使用multiprocessing模块:创建Process的实例，传入任务执行函数作为参数
   3. 方式三:使用multiprocessing模块:派生Process的子类，重写run方法
   4. 方式四:使用进程池Pool
9. pytorch中cuda()作用,两个Tensor,一个加了cuda(),一个没加,相加后很怎样?
   1. cuda()将操作对象放在GPU内存中,加了cuda()的Tensor放在GPU内存中而没加的Tensor放在CPU内存中,所以这两个Tensor相加会报错。

实践题：

10. 跳台阶问题，每次只能跳1个台阶或者2个台阶，n个台阶共有多少种方式？

    int JumpFloor(int target) {
        if(target<=1) return target;
        int[] a = new int[target+1];
        a[1]=1; a[2]=2;
        for(int i=3;i<=target;i++){
        a[i] = a[i-1] + a[i-2];
    		}
    		return a[target];
    	}