面试官人很好很认真，从2:50到4:00，感觉智商被碾压，一首凉凉送给自己
- 自我介绍
- 聊一下自己想谈的项目，我说的微博文本分类 然后问了数据问题
- 写一个多分类的交叉墒损失函数及softmax。
我写的二分类的交叉墒，忘了多分类。。 - 二分类到多分类要怎么做。
主要有1 VS all，1 VS 1，softmax - 那么你觉得他们各自的优缺点是什么。
我说softmax更好，因为其他的都是在训练多个分类器，softmax直接输出概率，运算更快 - 那么准确率哪个更好，你猜想一下为什么他会更好。
我说softmax应该更好，因为用的人更多，可能因为损失函数更好。。 - 描述训练过程。
我说初始化，然后求损失函数，然后参数迭代，当损失低于我预定的值时就停止训练 - 那么你停止训练的时候一定是最优的结果吗。
我说了一堆不一定因为可能泛化不好，并且在特定情形下不能只用准确度衡量一个模型好坏，还要看查全率查准率。。。但我没 get面试官意思 - 他说他是想问只在训练集。
我恍然大悟说不一定因为可能是局部最优 不一定是全局 - sigmoid会出现局部最优吗。
我说不会 因为他是convex 凸函数 - 什么是凸函数 他的定义是什么。
- 你优化都用梯度下降吗，有没有用过牛顿法，这两个的区别是什么。
- 交叉墒公式里为什么是1-f(x) 他的意义是什么。
- 说一下你熟悉的神经网络 并说明他们的优缺点和应用场景 我说的cnn和rnn
- 手动实现cnn里面卷积的过程，不用多个for循环，转化为矩阵相乘的问题
我想了很久 想不出来 智商被碾压。。 - 池化层的BP怎么做，以maxpooling为例
- 再问一个简单的问题，bagging的有放回随机采样，n个样本 选n次，那么采到的数据跟原数据的重合度是多少。
在引导下推出来了，然后面试官告诉我这个公式取极值是1/e - 算法题1: 股票，多次买入和卖出，求最大的收益
- 算法题2: 翻转链表
写完后面试小哥哥说，考虑一下如果链表是有环的会怎么样，不同的写***有不同的输出
京公网安备 11010502036488号