记录一下面试算法岗过程中问到的问题 部分想不起了。
1.交叉熵是怎么回事 公式是什么 等式的前一部分恰巧就是p的熵 等式的后一部分 就是交叉熵 详细见 https://blog.csdn.net/lison_zhu/article/details/972348172.介绍非最大值抑制。
定义
在模型预测阶段 我们先为图像生成多个锚框 并为这些锚框一一预测类别和偏移量。随后 我们根据锚框及其预测偏移量得到预测边界框。当锚框数量较多时 同一个目标上可能会输出较多相似的预测边界框。了使结果更加简洁 我们可以移除相似的预测边界框。常用的方法叫作非极大值抑制 non-maximum suppression NMS 。
计算流程
根据置信度得分进行排序选择置信度最高的比边界框添加到最终输出列表中 将其从边界框列表中删除计算所有边界框的面积计算置信度最高的边界框与其它候选框的IoU。删除IoU大于阈值的边界框重复上述过程 直至边界框列表为空。计算公式
可参考 https://blog.csdn.net/weixin_42206075/article/details/110471901
3.正则化的方法有哪些
L1 L2 Dropout data augmentation 数据增强 early stopping
参考 https://blog.csdn.net/zyq11223/article/details/90416394
4.调参经验。
不同情况因人而异
5.极大似然概率和后验概率的区别是什么
参考 https://blog.csdn.net/mousever/article/details/52355394
朴素贝叶斯基本原理和预测过程
6.精确度和准确度的区别是什么
参考 https://blog.csdn.net/anliu1/article/details/112789315
7.介绍一下python中匿名函数lambda函数。
在Python中有两种函数 一种是def定义的函数 另一种是lambda函数 也就是大家常说的匿名函数。今天我就和大家聊聊lambda函数 在Python编程中 大家习惯将其称为表达式。
先举一个例子 将一个列表里的每个元素都平方。
先用def来定义函数 代码如下
def sq(x): return x*x map(sq,[y for y in range(10)])
再用lambda函数来编写代码
map(lambda x: x*x,[y for y in range(10)])
从这个简单的例子 我们可以看出 用lambda函数首先减少了代码的冗余 其次 用lambda函数 不用费神地去命名一个函数的名字 可以快速的实现某项功能 最后 lambda函数使代码的可读性更强 程序看起来更加简洁。
从上面这个简单的例子 也可以看出来lambda函数的语法是唯一的 其形式如下
lambda argument_list:expersion
参考 细说Python的lambda函数用法 建议收藏 - 知乎
