时间：2020-7-20 15：00（电话面试）

1.自我介绍
2.比赛的特征提取如何做的，训练是如何训练的，评价指标是什么

3.pytorch和tensorflow的区别
pytorch是动态框架，tensorflow是静态框架
针对tensorflow，先构造了一个计算图，构建完之后，这个计算图就不能改变了，再开启会话，输入数据，进行计算。那么这个流程就是固定的了，很不灵活，所以说他是静态框架
针对pytorch，他的逻辑和python是一样的，直接计算，不用会话。
pytorch的代码相对tensorflow代码更加简练

4.drop out
定义：dropout是指在深度学习网络的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃。去除一定比例的学习结果
作用：防止参数过分依赖训练数据，增加参数对数据集的泛化能力

5.U-net结构，上采样和下采样如何操作的（具体代码是什么），功能是什么
卷积和池化操作
下采样：使得图像符合显示区域的大小、生成对应图像的缩略图。
上采样：主要目的是放大原图像

6.过拟合的解决方法
• 降低模型复杂度
• 增加训练数据等。
• 正则化（L1、L2）：可以采用正则化对模型的复杂度进行约束
• 早停止（early stopping）：当验证集的泛化误差变大之后，停止训练。
• dropout（神经网络）
• 特征筛选
• 决策树剪枝
• SVM的松弛变量
• 集成学习
• batch normalization

7.C++的static的作用
（1）在修饰变量的时候，static 修饰的静态局部变量只执行初始化一次，而且延长了局部变量的生命周期，直到程序运行结束以后才释放。
（2）static 修饰全局变量的时候，这个全局变量只能在本文件中访问，不能在其它文件中访问，即便是 extern 外部声明也不可以。
（3）static 修饰一个函数，则这个函数的只能在本文件中调用，不能被其他文件调用。static 修饰的变量存放在全局数据区的静态变量区，包括全局静态变量和局部静态变量，都在全局数据区分配内存。初始化的时候自动初始化为 0。
（4）不想被释放的时候，可以使用static修饰。比如修饰函数中存放在栈空间的数组。如果不想让这个数组在函数调用结束释放可以使用 static 修饰。
（5）考虑到数据安全性（当程序想要使用全局变量的时候应该先考虑使用 static）。

8.python的切片
9.python的类是什么
10.python的init
python中的init()是类的初始化函数

11.python的继承
继承是一种创建新的类的方式，新创建的叫子类，继承的叫父类、超类、基类。
特点：子类可以使用父类的属性（特征、技能）
继承是类与类之间的关系

12.python的深拷贝和浅拷贝区别
直接赋值：其实就是对象的引用（别名）。 （原变新变）
浅拷贝(copy)：拷贝父对象，不会拷贝对象的内部的子对象。（原变新变）
深拷贝(deepcopy)： copy 模块的 deepcopy 方法，完全拷贝了父对象及其子对象。（原变新不变

浅拷贝只是复制了对象的引用地址，两个对象指向同一个内存地址，所以修改其中任意的值，另一个值都会随之变化
深拷贝是将对象及值复制过来，两个对象修改其中任意的值另一个值不会改变

13.python列表和元祖的区别
列表是动态数组，它们不可变且可以重设长度（改变其内部元素的个数）。
元组是静态数组，它们不可变，且其内部数据一旦创建便无法改变。
元组缓存于Python运行时环境，这意味着我们每次使用元组时无须访问内核去分配内存

14.python的字典，如何获取所有key，如何获取长度
15.python分大小写吗