2018校招笔试题-图像算法工程师(深度学习)B卷.docxVIP

2018 校招笔试题 -图像算法工程师（深度学习） B 卷 . 问答题 集中1000 个 本，600个是A ，400个B ，模型 果 700个判断 A ，其中正确的有 500 个， 300 个判断 B ，其中正确的有 200个。 算 B 的准确率 (Precision) 和召回率 (Recall). 述： A) 模型 ，如果 本 不均衡，有什么 法解决 ? B)如何判断模型是否 合 ? C) 于神 网 模型有哪些常用方法解决 合 ? A)包括不限于： 1.数据增强， 2. Weighted loss ，3. 采样使用部分负样本 B)训练集 loss 低于验证集 loss 很多 ; C)包括不限于： 1. 正则化项， 2. Dropout ，3. Batch normalization 述：A) 神 网 点的激活函数作用是什么 ? B)Sigmoid, relu 和softmax 激活函数表达式是什么 ? C) 各自的作用 缺点是什么？ A)激活函数是为了增强神经网络的非线性性 ; B) C)Sigmoid 函数可以增强 0附近的梯度，放大信号，梯度计算方便，但对非敏感区域会饱和，造成梯度消失 ; Relu 函数为单侧抑制，增强 4. 定多 全 接神 网 ，每 均有 n个 点， 出 第 L ， 是y， 失函数 均方 差。网 的第 l ( l ∈{1,2, ? ,L-1,L} ) 的第 j个 点的 入用 xjl 来表示， 出用 ajl 失函数 C的表达式；  来表示，激励函数  f(x) 。A) 写出 B) 推 采用SGD ，学 率 η ，第L-1 第i个 点与 出 第 j个 点的 接 重 wji (L-1) 的更新量 w ji (L-1) Design a three layer neural network whose decision boundary is show in figure, The gray region belongs to class 1, and other region belongs to class 0, Show your network structure, weights and nonlinear activation function. 请计算VGG19 的模型大小与计算量大小（输入 RGB 图片大小为224x224）；并指出对其进行模型压缩的思路，模型结构如图所示： 7. 实现一个卷积层的 forward 函数，输入 map 的shape 为[w, h, ci]  ，卷积核shape 为[k,k,ci,co], padding  大小为p 的zero-padding  ，stride  为1，可以使用 C++/Python/Matlab  语言。