继上次“百度2015校园招聘面试题回忆录（成功拿到offer）”文章过后，大家都希望除了题目之外，最好能给出自己当时的回答情况，看看有没有什么回答技巧，这样更有参考价值。嗯，建议的很对，因此这次对于阿里的面试回忆，我下面以对话的形式尽可能复现我当初的面试场景。声明：下面只复述我觉得有参考价值的面试题，实际面试题比这多些...

盼望着，盼望着……今年终于轮到我找工作了，还深深记得去年跟在师兄后面各种打酱油的经历，当时觉得找工作好难啊，怎么面一个败一个，以后还能找到工作不？不过当时的失败也是理所当然的，那时候没有做任何准备（连进程间有几种通信方式这样老掉牙的题我都不知道），没有任何找工作的经验，甚至一个简单的自我介绍都吞吞吐吐的。经过一年时间的...

最近互联网招聘平台拉勾网在五一期间推出个“最难面试的IT公司”代码挑战活动，评选出了5个最难面试的IT公司，即：ThoughtWorks、Google、Unisys、Rackspace、CypressSemiconductor。每个公司联合拉勾网推出代码挑战，针对每个挑战都可以提交我们自己的代码，如果通过代码测试，就会...

1.以下代码的执行结果String s1 = “helloworld”;String s2 = “hello” + new Stirng(“world”);System.out.println(s1 == s2...

以下来自“软件测试与经验教训公众号” 一、面试与目前所做工作不同的公司，如何胜任新公司的工作 　　场景：大数据公司招人　　面试官：你的工作经验不足，目前大数据刚兴起不久，招特别有经验的是不能，你觉得我为什么会用你呢？　　应聘者：多说自己有什么优势，哪些经验可以在新工作岗位上复用，如果学习能力强可以举...

一、开发不认可你的bug怎么办？　1、可以先分析哪些类型的bug会出现这个情况，然后根据每种情况进行针对性说明，分别从bug本身、环境因素、人等方面回答，这样可以体现自己的分析能力和处事方式2、开发不认同的bug一般是：数据问题导致的bug、环境问题导致（偶发）、优化体验类的bug3、如果是应聘钢，也可以回答说出这个情...

1、给你一个APP，你该如何进行测试？　　（1）功能测试-----主要测试APP的流程和业务要求是否达标（手动和自动化结合测试）　　（2）性能测试------关注APP的性能参数：CPU、FPS、内存、耗电量、流量，同时关注APP的安装和启动耗时　　（3）接口测试------关注数据的传送，数据的安全加密　　（4）安全...

输入了名称和密码后提交是post动作，服务器收到用户名和密码后查询sql语句，select*fromuserwherename=’’andpassword=’’查看账户信息是否存在，在的话会在session里加入用户登录成功的信息， Session对于浏览器会话来说，所有页面都一直有效，所有页面根据sessi...

在《深度学习面试题20：GoogLeNet(InceptionV1)》和《深度学习面试题26：GoogLeNet(InceptionV2)》中对前两个Inception版本做了介绍，下面主要阐述V3版本的创新点使用非对称卷积分解大filtersInceptionV3中在网络较深的位置使用了非对称卷积，他的好处是在不降低...

 产生背景假设选用softmax交叉熵训练一个三分类模型，某样本经过网络最后一层的输出为向量x=(1.0,5.0,4.0)，对x进行softmax转换输出为：假设该样本y=[0,1,0]，那损失loss:按softmax交叉熵优化时，针对这个样本而言，会让0.721越来越接近于1，因为这样会减少loss，但是...

 产生背景之前在深度学习面试题16：小卷积核级联卷积VS大卷积核卷积中介绍过小卷积核的三个优势：①整合了三个非线性激活层，代替单一非线性激活层，增加了判别能力。②减少了网络参数。③减少了计算量在《RethinkingtheInceptionArchitectureforComputerVision》中作者还想...

 第一层卷积换为分离卷积 net=slim.separable_conv2d(inputs,depth(64),[7,7],depth_multiplier=depthwise_multiplier,stride=2,padding='SAME',weights_initializer=trunc_...

 举例分离卷积就是先在深度上分别卷积，然后再进行卷积，对应代码为：importtensorflowastf#[batch,in_height,in_width,in_channels]input=tf.reshape(tf.constant([2,5,3,3,8,2,6,1,1,2,5,4,7,9,2,3,-...

 举例如下张量x和卷积核K进行depthwise_conv2d卷积 结果为：depthwise_conv2d和conv2d的不同之处在于conv2d在每一深度上卷积，然后求和，depthwise_conv2d没有求和这一步，对应代码为：importtensorflowastf#[batch,in_h...

 直接定义的缺点在tensorflow中假设有一批输入为：其定义如下：tf.constant([[[[3,1,-3],[1,-1,7]],[[-2,2,-5],[2,7,3]]],[[[-1,3,1],[-3,-8,6]],[[4,6,8],[5,9,-5]]]],tf.float32)ViewCode这是一...