百度秋招计算机视觉面试题12道|含解析-技术圈

10本七月在线内部电子书在文末，自取~

公众号福利

👉回复【100题】领取《名企AI面试100题》PDF

👉回复【干货资料】领取NLP、CV、ML等AI方向干货资料

问题1 ：Maxpooling的反向传播

Maxpooling的反向传播是为了计算池化层的梯度以便于更新前一层的权重。在反向传播过程中，只有最大值所在的位置会传递梯度，其他位置的梯度被设为零。具体步骤如下：

找到前向传播时最大值所在的位置。
在相同位置设置梯度为反向传播过来的梯度。
所有其他位置的梯度都设置为零。
将得到的梯度传递给上一层的相应位置。

问题2：L1和L2的区别

L1范数是指向量中各个元素的绝对值之和，也称为曼哈顿距离。L1正则化会倾向于产生稀疏权重，即某些权重变为零，从而进行特征选择。

L2范数是指向量中各个元素的平方和的平方根，也称为欧几里得距离。L2正则化会倾向于使权重分散在各个特征上，避免特定权重过大，有助于防止过拟合。

问题3：几种常见的图像特征

颜色特征：包括RGB颜色直方图、颜色矩等。

纹理特征：包括灰度共生矩阵、Gabor滤波器响应等。

形状特征：包括边缘检测、轮廓描述子等。

角点特征：包括Harris角点、FAST角点等。

SIFT特征和SURF特征：基于局部特征的描述子。

HOG特征：用于目标检测和行人识别。

问题4：深度可分离卷积是什么？

深度可分离卷积是一种卷积神经网络中的卷积操作，它将标准卷积操作分解为两个独立的步骤：深度卷积和逐点卷积。

深度卷积：在这一步骤中，每个输入通道上的卷积操作是独立进行的，产生了一组中间特征图。

逐点卷积：在这一步骤中，对中间特征图的每个通道应用1x1卷积，以组合它们并生成最终的输出特征图。

这种分解可以大大减少参数数量，减小计算量，同时保持网络性能，特别适用于轻量级和移动设备上的深度学习任务。

问题5：CNN中参数量和计算量怎么算？

参数量：计算每个卷积核中的参数数量，然后将其与卷积核的数量相乘，并考虑到所有层的参数。

计算量：计算每个卷积层的计算量，通常是输入特征图的大小乘以卷积核的大小乘以通道数量，然后将其与层的数量相乘，并考虑到所有层的计算量。

问题6：深度可分离卷积的参数量和计算量是多少？

深度可分离卷积通常具有更少的参数量和计算量，具体的量取决于网络的架构和超参数的选择。一般来说，深度可分离卷积的参数量会比标准卷积少很多，而计算量也会大大减少。

问题7：了解Linux的管道命令吗？

是的，Linux的管道命令允许将一个命令的输出作为另一个命令的输入，从而实现多个命令的串联操作。例如，可以使用管道将一个文件的内容传递给另一个命令进行处理，如将grep命令用于文本搜索，然后将结果传递给sed命令进行替换。

问题8：AUC和ROC是什么？

ROC（Receiver Operating Characteristic）曲线是用于评估二元分类器性能的图形工具。它以不同的阈值设置下绘制了真正例率（True Positive Rate，TPR）和假正例率（False Positive Rate，FPR）之间的关系曲线。

AUC（Area Under the Curve）是ROC曲线下的面积，用于度量分类器在不同阈值设置下的性能。AUC的取值范围在0到1之间，AUC值越接近1表示分类器性能越好，越接近0.5表示性能越差，0.5表示随机分类器。

问题9：Precision和Recall是什么？

Precision（精确率）是用于评估分类器性能的指标，它表示被分类为正例的样本中有多少是真正例。计算公式为 Precision = TP / (TP + FP)，其中TP表示真正例，FP表示假正例。

Recall（召回率）是用于评估分类器性能的指标，它表示所有真正例中有多少被正确分类为正例。计算公式为 Recall = TP / (TP + FN)，其中TP表示真正例，FN表示假负例。

问题10：Transfomer是什么？

Transformer是一种用于自然语言处理（NLP）和其他序列到序列任务的深度学习架构。Transformer的主要特点是它不使用循环神经网络（RNN）或卷积神经网络（CNN），而是依赖自注意力机制（self-attention）来处理输入序列，从而实现了并行计算，提高了训练速度。

Transformer的核心组件包括：

自注意力机制：允许模型在处理输入序列时动态地关注不同位置的信息，从而更好地捕捉序列中的依赖关系。
多头注意力：通过多个不同的自注意力头并行处理输入，增强了模型对不同关系的建模能力。
位置编码：用于为模型提供输入序列中各个位置的信息，因为Transformer没有固定的顺序信息。
堆叠的编码器和解码器层：多层的编码器用于处理输入序列，多层的解码器用于生成输出序列（在机器翻译等任务中）。
残差连接和层归一化：用于帮助训练深层网络的技巧。

Transformer已经成为了NLP领域的标配架构，包括BERT、GPT（Generative Pre-trained Transformer）、T5（Text-to-Text Transfer Transformer）等模型都基于Transformer架构，并在各种NLP任务中取得了巨大成功。

问题11：手撕代码：找出数组中第K大的值。

          
            def findKthLargest(nums, k):
          
          
                # 使用快速选择算法，类似于快速排序的思想
          
          
                left, right = 0, len(nums) - 1
          
          
          
                while left <= right:
          
          
                    pivot_index = partition(nums, left, right)
          
          
                    if pivot_index == k - 1:
          
          
                        return nums[pivot_index]
          
          
                    elif pivot_index < k - 1:
          
          
                        left = pivot_index + 1
          
          
                    else:
          
          
                        right = pivot_index - 1
          
          
            def partition(nums, left, right):
          
          
                pivot = nums[left]
          
          
                low, high = left, right
          
          
          
                while low < high:
          
          
                    while low <= right and nums[low] >= pivot:
          
          
                        low += 1
          
          
                    while high >= left and nums[high] < pivot:
          
          
                        high -= 1
          
          
                    if low < high:
          
          
                        nums[low], nums[high] = nums[high], nums[low]
          
          
          
                nums[left], nums[high] = nums[high], nums[left]
          
          
                return high

问题12：Python的深拷贝和浅拷贝的区别？赋值时浅拷贝还是深拷贝？

浅拷贝：浅拷贝创建一个新对象，但是它只复制了原对象的引用，而不复制内部的对象。在Python中，可以使用copy模块的copy()函数或者列表、字典等容器对象的切片操作来创建浅拷贝。赋值操作也属于浅拷贝，即将一个对象的引用赋值给另一个变量。
-深拷贝：深拷贝创建一个新对象，并且递归地复制原对象及其所有内部对象。在Python中，可以使用copy模块的deepcopy()函数来创建深拷贝。
赋值操作和浅拷贝都只复制了引用，多个变量会共享同一个对象。
深拷贝会创建一个完全独立的新对象，递归地复制所有内部对象，因此修改原对象不会影响深拷贝的对象。

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 ~