c语言指针删除字符_指针指向字符串

深度学习算法工程师面经(微软、阿里、商汤、旷视、滴滴、华为、海康、平安、陌陌、第四范式等offer)之上篇 　　更新：面经上篇最新整理，先发完几篇重复的，后续知乎同步更新【面经1】算法工程师实习校招面经 (上篇) 　　2020届应届渣硕，基于实习和秋招的面试，拿到了微软、阿里、商汤、旷视、滴滴、华为、海康、平安、陌陌、第四范式等offer，下面总结一些经验，希望对大家有所帮助，有问题之处也可以随时指出。 如果侵犯公司隐私，烦请告知，此文仅做分享之用。 　　最开始是以公司为单位进行总结，实习经验可以参考这里。算法工程师实习面经（按公司） 　　后面我发现，各公司面试问题存在较多重复，于是按照题目类型分门别类，而不是按照公司机械划分。简单分为深度学习、机器学习基础、图像处理基础、数学基础、算法基础、程序设计语言、模型部署、HR面试以及与我本人简历相关的目标检测、属性识别、Kaggle及天池的比赛、创新想法等几个部分介绍，可能开始会有重叠或者分类不恰当，后面会逐渐更新完善。其中第一篇先介绍到HR面试，第二篇介绍个人相关的项目和比赛部分。 　　如果在考研、实习、秋招方面有疑问，欢迎值乎咨询。 　　一、深度学习 　　1.模型类 　　1.1 resnet和densenet及其不同 　　相同层数，densenet和resnet哪个好，为什么？ 　　那么ResNet解决了什么问题呢？ 　　训练深层的神经网络，会遇到梯度消失和梯度爆炸（vanishing/exploding gradients）的问题，影响了网络的收敛，但是这很大程度已经被标准初始化（normalized initialization）和BN（Batch Normalization）所处理。 　　当深层网络能够开始收敛，会引起网络退化（degradation problem）问题，即随着网络深度增加，准确率会饱和，甚至下降。这种退化不是由过拟合引起的，因为在适当的深度模型中增加更多的层反而会导致更高的训练误差。 　　ResNet就通过引入深度残差连接来解决网络退化的问题，从而解决深度CNN模型难训练的问题。 　　1.2 resnet两种结构具体怎么实现，bottleneck的作用，为什么可以降低计算量，resnet参数量和模型大小 　　1.3 Inception系列的演化 　　1.4 知道哪些移动端/轻量化模型 　　mobilenet，shufflenet，pelee等 　　1.5 GAN 　　2.卷积类 　　2.1 卷积神经网络结构特点 　　局部连接，权值共享 　　2.2 知道哪些卷积 　　以及卷积过程计算 　　2.3 深度可分离卷积 　　原理，为什么降低计算量，口述计算，减少了多少 　　2.4 deformable conv怎么做 　　具体怎么学的，对偏移有没有什么限制 　　2.5 1×1卷积作用 　　（1）变换channel 　　（2）通道融合 　　3.深度学习基础 　　3.1 BN的原理、作用和实现细节， 　　其中均值和标准差的计算，以及训练和测试时分别怎么用 　　如果数据不是高斯分布，bn后怎么恢复 　　3.2 激活函数 　　有哪些，为什么使用激活函数 　　sigmoid 　　tanh 　　relu 　　leaky relu 　　3.3 损失函数/分类的loss函数 　　0-1 　　mse 　　bce/交叉熵 　　l1/l2 　　smooth l1（为什么用这个） 　　hinge（svm） 　　3.4 过拟合/欠拟合，预防方法 　　正则化具体怎么做，为什么有效 　　3.5 梯度消失/梯度爆炸 　　现象、原因和解决方法 梯度爆炸/消失 　　3.6 网络退化 　　现象、原因和解决方法 　　3.7 各种优化器 　　介绍各种优化器 　　adam的特点和公式 　　3.8 调参技巧 　　关于神经网络的调参顺序? – Miracle的回答 – 知乎https://www.zhihu.com/question//answer/ 　　3.9 神经网络组件 　　卷积/池化/全连接层/BN/IN/GN等组件 　　3.10 深度神经网络和深度学习区别 　　机器学习是很多种方法和模型的总称。 　　神经网络是一种机器学习模型，可以说是目前最火的一种。 　　深度神经网络就是层数比较多的神经网络。 　　深度学习就是使用了深度神经网络的机器学习。 　　3.11 深度学习为什么比机器学习好 　　3.12 train，val，test相关 　　3.13 如果训练集不平衡，测试集平衡，直接训练和过采样欠采样处理，哪个更好 　　3.14 softmax原理 　　softmax得出的结果是排序的么，为什么分类用交叉熵 　　3.15 F1score是=1，那么什么时候取其他值 　　3.16 梯度物理意义，小球下滚，如果坡很陡，会怎么样，梯度的大小和方向 　　3.17 pooling层的作用 　　3.18 监督学习和非监督学习举例 　　3.19 假设空间与归纳偏好 　　周志华机器学习绪论1.3 　　3.20 感受野相关 　　3x3conv，2x2pool，3x3conv后感受野计算 　　3.21 如果模型不收敛，怎么调节 　　3.22 l1/l2正则，怎么选择 　　weight_decay作用，和l1/l2比较 　　3.23 解释梯度下降 　　3.24 链式法则 　　此处推荐几个面试必备书籍 　　二、机器学习基础 　　可能因为简历上可问的东西比较多，面试时间有限，机器学习相关问的不是很多，推荐看一下李航那本统计学习方法。 　　1.logistic回归 　　2.svm 　　3.选择传统机器学习还是深度学习的标准是什么 　　4.随机森林 　　bagging和随机森林的区别 　　5.决策树 　　三、图像处理基础 　　1.数字图像处理，各种滤波 　　2.进行过哪些数据预处理 　　空图，坏图，单通道图，多通道图等一些情况会怎么处理 　　3. 图形学知道哪些 　　四、数学基础 　　推荐 　　其实主要就是概率与统计相关 　　1.概率：圆上任意三个点组成的三角形，包含圆心的概率 　　2.概率：x，y，z都是（0，1）均匀分布，x+y+z<1的概率 　　3.抛硬币直到连续若干次正面的概率 　　4.先验概率，后验概率，怎么转换 　　5.坐标0开始，依次走1，2，3，。。。，n步，可以左或者右，问有没有到不了的位置 　　加问，到指定位置m，至少需要多少步 （1）没有到不了的，因为左x右x+1，每次走一步，可以到达所有位置 （2）先求最接近m的连续和，然后从里面选两个数作差 　　6.n个门，1个后门是车，其余n-1个后门是羊，你先选一个，如果面试官告诉你其余n-1个中某个是羊，你会重新选择么 　　你先选一个，概率1/n 面试官告诉你某个不是，你在剩余中选的概率为两部分 （1）你选的那个是，则概率0 （2）你选的不是，（n-1）/n * 1/（n-2），即你第一次选的不是的情况下剩余n-2中选的是的概率 所以，n=3为2/3，重新选更优 　　7.三个盒子，一个盒子两个红球，一个盒子一红一蓝，第三个盒子两个蓝球。一人随机选了一个盒子，并摸出一个红球，请问这个盒子里另外一个也是红球的概率是多少 　　2/3 　　2/3概率选了第一个盒子 　　五、算法基础 　　这里推荐 　　该部分主要是手撕代码，也是面试的重要组成部分 　　可能因为我本科非计算机，题目大都相对简单，不过一次0 bug完成还是需要练习。 　　1.x的n次方（x任意，n自然数） 　　2.链表排序（然后不能动指针） 　　3.螺旋打印二维数组 　　4.删除字符 　　给定一个字符串和一个数字，删除指定数字个数的字符，并保证删除 　　改：大数组删掉指定个数，怎么最方便。 　　5.螺旋三角形 　　6.二叉树深度及最长路径 　　7.排序 　　知道哪些排序算法，快排时间复杂度，时间复杂度推导，O(n)的排序方法 　　时间复杂度O(n)的排序算法 　　快排，归并，堆排序 　　8.二叉树路径和为给定值 　　9.一个数组，其他数出现两次，另一个出现一次，找出 　　改进：另外两个数出现一次 　　10.链表中倒数第k个结点 　　11.判断链表对称/链表回文 　　12.链表反转 　　13.逆序对 　　14.算法：爬楼梯 　　剑指offer（八） 　　15.算法：连续子数组的最大和 　　剑指offer（三十） 　　16.算法：最长不重复子串 　　leetcode（3）/剑指offer第二版（48） 　　典型题.求一个数组中只包含0,1使得其中0,1个数相等的最大子数组 　　17.算法：给定一个数组A，求max(Ai – Aj)。其中 i < j 。 　　18.算法：扎气球 　　leetcode 452 https://blog.csdn.net/yysave/article/details/ 　　19 n个文件（海量文件），查找和排序，二分查找时间复杂度 　　归并排序，二分查找 　　20 一个数组里面是股票值，求什么时候购买和卖出，收益最大。 　　一个数记录最大差，一个记录最小素，遍历一次即可 　　21. 最长连续公共子串 　　dp 注意不是非连续 　　22.实现卷积计算 　　23.实现IoU和NMS 　　IoU 　　NMS 　　23.link 　　A是一个排序好的数组，升序排列； B是一个排序好的数组，升序排序； 给定c，找到a，b，满足 a属于A b属于B a+b=c 　　24.一维数组最大和 　　25.二维数组求最大和矩阵 　　26.二维数组有多少个子数组 　　包含一行的，第一行为例，一个的n个，两个的n-1个，。。。，n个的一个，一共n+(n-1)+。。。+1，n行就是n*。 而包含两行，三行就依次是(n-1)*, (n-2) *, 所以就是n+(n-1)+。。。+1的平方 　　27.二维矩阵左上角到右下角最大和 　　leetcode 64 　　28.1-n数字里少一个，找出来 　　少两个呢 　　29.写VGG、resnet 　　30.输入D和I组成的字符串，输出数字数组，D表示Decrease，I代表Incre。 　　31.Leetcode670 Maximum Swap 　　32.判断两线段是否相交 　　33.回文子串Leetcode 647. Palindromic Substrings 　　给定一个字符串，你的任务是计算这个字符串中有多少个回文子串。 　　具有不同开始位置或结束位置的子串，即使是由相同的字符组成，也会被计为是不同的子串。 　　34.对于一个素各不相同且按升序排列的有序序列，请编写一个算法，创建一棵高度最小的二叉查找树。 　　给定一个有序序列int[] vals,请返回创建的二叉查找树的高度。 　　power(2,n-1)-1<len<=power(2,n)-1 　　35. 寻找两个素异或的最大值。 　　36.工作方案 　　37.Valid Permutations for DI Sequence 　　Leetcode 903 　　38.atoi 　　Leetcode 8 　　39.根据顶点坐标，判断两个四边形/三角形是否相交 　　40.球队至少需要多少分可以出线，最多有多少分未出线 　　m支队伍两两比赛，赢了得3分，平局各得一分，输了不得分，求n个晋级名额中的最少得分。 　　41.leetcode股票 　　42.给定一个不等概率生成器，随机生成 0 和1 的概率分别为 p 和1-p， p 不等于0.5，要求设计如下等概率生成器： 　　（1） 随机生成0 和1 的概率为0.5 　　可以构建一个二维表 00,01 10,11 对应的概率 p*p,(1-p)*p (1-p)*p,(1-p)*(1-p) 我们可以发现，01和10出现的概率相等，都是(1-p)*p 所以如果连续两次出现01，认为出现0； 如果出现10，认为出现1，出现其他重新掷即可实现等概率0.5 　　（2）随机生成0，1 和2 的概率为1/3 　　连续掷三次出现001，010，100三种等概率，都是1/3 　　（3） 随机生成0，1，2，…n-1 的概率为1/n 　　连续掷n次 出现0000…001对应0， 出现0000…010对应1， … … … 出现1000…000对应n 　　43. 给定n个数的数组，找到所有长度大于等于k的连续子数组中平均值最大的那个。返回那个最大的平均值。 　　44.在一个 m*n 整数矩阵中找到指定值 target， 这个整数矩阵有如下性质： 　　（1） 每行从左到右数值递增 　　（2）每列从上到下数值递增 　　45.给定一个无向图，这个图是在一棵树的基础上加上一条边构成的。问哪条边可以删掉使图重新变成一棵树？如果有多个答案那么输出输入的边中最后出现的那条 　　46.输入四个点的坐标，求证四个点是不是一个矩形 　　先计算中点坐标，然后计算其到四个顶点的距离是否相等 　　六、程序设计语言 　　1. Python 　　1.1 深拷贝和浅拷贝 　　1.2 list和tuple区别 　　1.3 is和==异同 　　1.4 list参数传递 　　如果list在函数里改变，原来的list是否改变 　　2. C++ 　　2.1 指针与引用的区别 　　（1）指针是一个变量，存储的是一个地址，指向 内存的一个存储单，它的内容是内存中的地址 　　（2）引用跟原来的变量实质上是同一个东西，只 不过是原变量的一个别名而已。 　　2.2 继承与多态 　　2.3 数组和链表 　　2.4 内存泄漏和溢出 　　七、模型部署 　　1. tensorrt内部机制 　　tensorrt怎么量化，float32怎么变int8，怎么变回来 　　2. 分布式，多卡使用 　　（1）数据并行 　　每个机器都有一个相同的完整的模型，然后分别处理不同的数据，最后server汇总结果； 　　（2）模型并行 　　把一个模型进行拆分，每个机器上是模型的一部分，然后每一部分模型在不同的机器处理，处理结果移交给下一个机器的部分继续处理。 　　（3）现在以数据并行为常用方式，模型并行主要难点在模型拆分上，二者通信量都很大。 　　（4）分布式的模型更新方式主要是两种 中心化（parameter server)和去中心化（ring all-reduce etc.) 　　中心化参见TF和MXNet 去中心化参见NCCL的处理方式 　　3.剪枝怎么做，剪多少，效果变化多少 　　4.量化怎么做，效果变化多少 　　八、HR面试 　　1.个人规划 　　2.希望做研究还是工程 　　3.有没有和人发生争执的经历 　　4.实习遇到的困难 　　5.给你项目让你主导怎么规划