招银网科算法面试题9道|含解析

Python迭代器是一个对象，它允许你逐个访问一个序列中的元素，而不需要提前知道整个序列的大小。迭代器由两个主要方法组成：__iter__()和__next__()。__iter__()方法返回迭代器对象自身，而__next__()方法返回序列中的下一个元素。当没有元素可迭代时，__next__()方法会引发StopIteration异常。

问题2：介绍下yield

yield是一个关键字，用于定义生成器函数。生成器函数在每次调用时不会执行完整的函数体，而是在遇到yield语句时暂停并将值返回给调用者。这个生成器函数的状态会被保留，以便在下次调用时继续执行。这种方法可以在迭代大型数据集或计算无限序列，占用较少的内存。

问题3：介绍下with

with是Python的上下文管理器，用于处理资源的分配和释放，如文件、数据库连接等。通过使用with语句，你可以确保在块内退出时资源会被自动关闭或释放，而无需手动处理异常或资源管理。

深拷贝（deep copy）会复制对象及其内部包含的所有对象，创建一个完全独立的副本。

浅拷贝（shallow copy）只会复制对象本身，而不会递归复制内部包含的对象。内部对象的引用仍然指向原始对象的内部对象。

问题5：深度学习样本不均衡怎样处理

处理不均衡样本问题的方法包括重采样、数据增强、使用不同的损失函数、生成合成样本、调整类别权重等。具体的方法需要根据问题和数据集的特点而定。

问题6：过拟合怎样处理

处理过拟合问题的方法包括增加更多的训练数据、减小模型复杂度、使用正则化技巧（如L1和L2正则化）、使用早停策略、数据增强等。

问题7：L1和L2正则化

L1正则化：通过在损失函数中添加权重的绝对值之和，鼓励模型的权重趋向于稀疏，促使一些特征的权重变为零，从而实现特征选择。

L2正则化：通过在损失函数中添加权重的平方和，鼓励模型的权重趋向于较小的值，以防止过拟合。

问题8：BN层放在什么位置

批量归一化（Batch Normalization，BN）通常在神经网络的每个隐藏层的激活函数之前应用。这有助于加速训练过程并提高模型的稳定性，使其更容易收敛到较好的结果。

问题9：10亿个参数的模型，部署后占用多大显存？

目前模型的参数绝大多数都是float32类型, 占用4个字节。所以一个粗略的计算方法就是，每10亿个参数，占用约4G显存(实际应该是10^9*4/1024/1024/1024=3.725G）。

免费送

↓以下10本书电子版免费领，直接送↓

以上8本+《2022年Q4面试题-69道》、《2022年Q3面试题-83道》共10本，免费送

扫码回复【999】免费领10本电子书

      

（或找七月在线其他老师领取）

点击“阅读原文”抢宠粉福利~