万兴算法笔试

15个题，6个选择，3个填空，4个问答，2道编程，非常基础，但题量比较大，60min时间，答题系统比较烂

1、logistic逻辑回归的损失函数是对数损失或者交叉熵损失；
2、SVM支持向量机的核函数：线性核、多项式核、径向基函数核、Sigmoid核、 余弦相似度核、拉普拉斯核
3、cnn中激活函数的作用是引入非线性
4、数据增强cutout随机裁剪、cutmix随机裁剪后粘贴、mixup两个图叠加、mosaic四宫格
5、GAN中鉴别器的作用是区分正负样本
6、BN是作用在HWN平面，也就是单一C;LN是HWC平面，也就是单一N;IN是HW平面，单一C和单一N;GN是HW平面，单一N多个C；
7、224*224*3的输入，通道数为5的7*7，p=0,s=1的卷积，输出是218*218*5，公式是(（H+2*p-k）/s)+1
8、sigmoid一阶导的最大值是0.25
9、dropout随机失活：随机将神经网络中部分节点的权重或输出置零
10、python的深浅拷贝和赋值的区别：赋值是赋予的引用，相当于取别名，所以会跟着改；浅拷贝同样是赋予引用，可变元素可改；深拷贝就是完全独立的了
11、训练时出现过拟合的现象是在训练样本上表现得过于优越，导致在验证数据集以及测试数据集中表现不佳；可能的原因：训练集数量级与模型复杂度不匹配、训练集和测试集特征分布不一致、权值学习迭代次数过多、样本噪音干扰过大、模型假设不合理；解决方案：调小模型复杂度、增加训练数据量、正则化、早停策略、随机丢弃、集成学习、异常检测、迁移学习；
12、nn.modulelist和nn.sequential的连接方式与反向传播的差异：nn.ModuleList是一个简单的模块列表，本身不是一个模块，需要自己写代码来迭代nn.ModuleList中的模块，并按需将它们连接起来，本身不定义前向传播；nn.Sequential是一个按顺序包含模块的容器，不需要显式地编写前向传播代码，每个模块也会自动参与反向传播过程；
13、L1和L2损失的定义、优点、异常值时的使用：L1损失，也称为平均绝对误差；L2损失，也称为均方误差；L1损失的优点梯度值稳定、鲁棒性强、可能产生稀疏解；L2损失的优点：数学性质良好、对噪声的鲁棒性、避免过拟合；L1损失更适合于异常值处理；
14、力扣626换座位；
15、力扣239滑动窗口的最大值；