目录

• 1.判断满二叉树
• 2.给定一个数，求该数的平方根，不用内置函数
• 3.GANmodel 内容
• 4.Diffusionmodel 内容
• 5.二叉树的创建，插入和删除
• 6.Linux相关命令：
• 7.快速排序
• 8.xgboost和deepfm的性能。
• 9.判断链表里是否有环
• 10. HDFS相关基础知识
• 11.Transformer具体流程
• 12.aigc方向国内的典型研究机构以及代表性工作有哪些
• 13.两数之和
• 14. PaddlePaddle和PaddleOCR
• 15.列举常见的机器学习算法
• 16.如何处理用户输入特征的稀疏数据？
• 17. 重排链表
• 18.不同的激活函数以及特点？

1.判断满二叉树

所有节点的度要么为0，要么为2，且所有的叶子节点都在最后一层。

<code>#include <iostream>

using namespace std;

class TreeNode {

public:

int val;

TreeNode* left;

TreeNode* right;

//创建的时候输入参数x，会把x给val，nullptr给left和right

TreeNode(int x) : val(x), left(nullptr), right(nullptr) {};

TreeNode(int x, TreeNode* l, TreeNode* r) : val(x), left(l), right(r) {};

};

bool isfull(TreeNode* cur) {

if (cur == nullptr) return true;

if (cur->left == nullptr && cur->right != nullptr || cur->left != nullptr && cur->right == nullptr) return false;

if (cur->left != nullptr) {

isfull(cur->left);

isfull(cur->right);

}

else {

return true;

}

}

int main() {

int x = 1;

TreeNode* left = new TreeNode(1);

TreeNode* right = new TreeNode(1);

TreeNode* root = new TreeNode(1, left, nullptr);

cout << isfull(root) << endl;

}

重点在于创建一个TreeNode类，并且写出构造函数，调用构造函数创建节点。

2.给定一个数，求该数的平方根，不用内置函数

二分法求解。递归。

``

float n;

float e = 0.001;

float findsquare(float left, float right) {

float mid = (left + right) / 2;

if (mid * mid - n >= 0 && mid * mid - n < e || mid * mid - n <= 0 && mid * mid - n >= -e) {

return mid;

}

else {

if (mid * mid > n) {

findsquare(left, mid);

}

else {

findsquare(mid, right);

}

}

}

int main() {

cin >> n;

cout<< findsquare(0, n)<<endl;

}

3.GANmodel 内容

图像生成模型。图像生成模型比较了解的两种是GAN和diffusion。

GAN的基本流程：生成器可以用任何输出二维图片的网络，例如DNN或者CNN。

Discriminator一般输入为图片，输出为real或者fake。

每一轮，将reference输入到discriminator里判别为real，Generator输出的输入到discriminator里判别为假。

Generator的损失函数和Discriminator的损失函数都是二元交叉熵，也就是评估真实数据的概率，Generator的目标是最大化二元交叉熵，也就是让假结果都为正，而Discriminator是最小化二元交叉熵，让假结果都为假。

4.Diffusionmodel 内容

首先是数学知识：

条件概率公式

基于马尔科夫假设：当前概率仅与上一刻概率有关，与其他时刻无关。可以把条件概率其他项约掉。

高斯分布的KL散度公式：

参数重整化：整理出z作为网络输入，其他两个作为网络参数，可求梯度的。

多元VAE目标函数，都是根据x推理出z，用z预测x。多元VAE的z有多个。

DiffusionModel主要是两个过程，先从目标分布中扩散，得到噪声分布，是熵增的过程；

然后是从噪声分布中预测出目标分布。训练过程就是训练好这个x，这样就能在随机生成（例如高斯分布 ）的噪声中获得想要的目标分布。

扩散过程是p，逆扩散过程是q。漂移量是两者之间的差。

5.二叉树的创建，插入和删除

这里应该是搜索二叉树，左节点小于自己，右节点大于自己。

删除先不写了不会

<code>#include<iostream>

using namespace std;

class TreeNode {

public:

int val;

TreeNode* left;

TreeNode* right;

TreeNode(int x) :val(x), left(nullptr), right(nullptr) {};

TreeNode(int x, TreeNode* l, TreeNode* r) : val(x), left(l), right(r) {};

};

TreeNode* insert(TreeNode* cur, int x) {

if (cur == nullptr) {

return new TreeNode(x);

}

if (x < cur->val) {

cur->left = insert(cur->left, x);

}

else if (x > cur->val) {

cur->right = insert(cur->right, x);

}

return cur;

}

//有点复杂，先不写了

TreeNode* deleteNode(TreeNode* cur, int val) {

if (cur == nullptr) {

return cur;

}

}

int main() {

int x = 1;

TreeNode* root = new TreeNode(x);

insert(root, 2);

}

6.Linux相关命令：

top 查看进程信息

df -h 查看硬盘使用情况

ps aux 查看所有进程

kill -9 pid 杀死编号为pid的进程

chmod 修改权限

grep 从文件名中找到包含某个字符串的数据

wc -l 统计行数

cut 分割一行内容

echo $PATH | cut -d ':' -f 3,5：输出PATH用:分割后第3、5列数据

find -name 查找文件

vim 浏览

head -3 显示前三行内容

docker:

docker ps -a 查看容器

docker attach 恢复容器

docker exec 挂起容器

docker run 跑容器

vim :n 到第n行 dd 删除当前行 :q！直接退出 :wq保存退出 gg=G格式化

ssh 登录服务器 scp -r传文件

7.快速排序

#include <bits/stdc++.h>

using namespace std;

const int N = 100001;

void quicksort(int * arr, int l, int r){

if(l >= r) return;

int i = l-1, j = r+1;

int mid = (l+r) / 2;

int x = arr[mid];

while(i<j){

do i++; while(arr[i] < x) ;

do j--; while(arr[j] > x) ;

if(i<j) swap(arr[i],arr[j]);

}

quicksort(arr, l,j);

quicksort(arr, j+1, r);

}

int main(){

int n;

cin>>n;

int arr[N];

for(int i =0;i<n;i++){

cin>>arr[i];

}

quicksort(arr,0,n-1);

for(int i =0;i<n;i++){

cout<<arr[i]<<" ";

}cout<<endl;

}

总是会忘记的点：先do后while，i和j初始化为l-1和r+1,因为进入dowhile循环后会自增or自减。

quicksort(arr, l,j);这里不能用i代替j，因为i是一定大于x的，j是小于等于x的。要保证左边的段是小于等于x，右边的段是大于等于x。

8.xgboost和deepfm的性能。

（1）xgboost的结构：由多个回归决策树的模型构成。每一步都加入一个新的树。（前向分布算法，用贪心的策略）逐步优化基学习器。

优化第t棵树时，前面t-1颗树的参数是确定的。每轮的目标函数是n个样本的最小损失+正则项

正则项是前t颗树的复杂度。它由叶子结点的个数和每个节点值w的平方和决定，正则项是为了防止过拟合的。叶子节点越多，越容易过拟合。节点值大，就会导致这棵树占比比较多，也容易过拟合。

在机器学习中，一般通过梯度下降法优化参数。但是树模型是阶跃的，不连续的函数求不了梯度。所以xgboost是对每个叶节点求loss。每个叶结点的loss可以用梯度来算，分别用了一阶导数和二阶导数也就是Hessian矩阵来找最优的分割点。

（2）xgboost如何用在推荐系统上？

将用户的上下文信息作为特征输入到xgboost中，预测用户的点击概率。所以xgboost是做回归的，放入到里面后

因为是回归任务，所以每轮迭代是选择叶节点的分裂点，然后根据分裂点得到一个值，这个值就是点击概率。多个数就是加权求平均。树的节点个数这些都是超参数。

（3）xgboost如何并行的？

并行时，在最优分裂点时用并行运算加快效率。它对特征进行分块，并行计算每个特征的增益，通过增益找到最佳分割点。再同步结果，选择最大的特征进行分割。

xgboost相对于梯度提升树（GBDT）有啥提升？

引入了二阶导数（Hessian），这在优化过程中比传统GBDT（只使用一阶导数信息）更为准确。

（4）Deepfm算法：

deepfactorizationmachines因子分解机。它对低阶特征做特征交互，另外一个DNN神经网络，做高阶特征交互。一般输出是两者的加权和。

因子分解机（FM）是什么？

FM是SVM的拓展，更适合用于处理稀疏特征。主要考虑到多维特征之间的交叉关系（就像SVM的核函数，用内积，但是却是用因子分解参数化的方式，而SVM中用的是稠密参数化的方式，这使得FM相比SVM的参数少了很多，更加容易计算）。其中参数的训练使用的矩阵分解的方法。

例如对于电影评分中的数据，用onehot向量建模，一个特征是非常稀疏的，非常长。因子分解机就是一种改进的二阶多项式模型，考虑到两个向量之间的相似性，例如喜欢这个类型电影的对另一个类型电影的喜欢。（推荐系统之FM（因子分解机）模型原理以及代码实践 - 简书）

本质上是用deepfm给召回阶段的候选集合排序。所以做的仅仅只是排序，不是召回。Loss用的是adam。

（5）为什么在大规模数据集上使用deepfm？

在处理用户行为数据和隐式反馈数据时，DeepFM通过其深度部分能够捕捉到复杂的非线性关系，表现较好。在大规模推荐系统中，如广告推荐、商品推荐等，DeepFM具有优势。

适合大规模数据和自动特征学习的场景，尤其在处理高维稀疏特征时表现出色。但需要大量数据和计算资源才能充分发挥其优势。

9.判断链表里是否有环

可以用哈希法或者快慢指针法。快慢指针要注意：判断fast的next。不然会出界，并且初始化两个指针不能相同，不然当只有一个数据时返回就不对了。

bool hasCycle(ListNode *head) {

if (head == nullptr) return false;

ListNode* slow = head;

ListNode* fast = head->next;

while(slow != fast){

if(fast == nullptr || fast->next == nullptr) return false;

slow = slow->next;

fast = fast->next->next;

}

return true;

}

哈希表法：注意插入是insert

bool hasCycle(ListNode *head) {

unordered_set<ListNode*> sets;

ListNode * cur = head;

while(cur!=nullptr){

if(sets.count(cur)) return true;

sets.insert(cur);

cur = cur->next;

}

return false;

}

10. HDFS相关基础知识

对hadoop了解的不多，主要是使用了一些hadoop的命令进行数据读取。

HDFS是hadoopdistributionfilesystem。HDFS的文件分布在服务器集群上，提供副本和容错率保证。

适用于存储特别大的文件，采用流式数据进行访问。但不适合毫秒级别的访问，是有点延时的。

我是使用了一些命令行的命令，例如：

hadoop fs -copyFromLocal // copy file

hadoop fs mkdir

hadoop fs -ls

11.Transformer具体流程

基础的Transformer是只用Attention,不用CNN or RNN。它相对于RNN最基础的好处是可以并行。

multi-head指的是多输出通道，self-attention指的是输入的QKV是同一个东西。基础的transformer是编解码结构，编码器和解码器都包含n个transformer块。

其中，Encoder里的transformer块里的结构是：

输入-》位置编码-》multi-head attention->add和 norm->feed forward ->add和 norm ->输出。其中，add就是残差连接。

Decoderblock里多了一层Maskedmulti-headattention。

LayerNorm是对一个batch下所有样本的各个维度分别执行标准化。例如，对某个batch所有样本的第一维度做标准化。（因为输入是一维，样本拼在一起是二维，batch是第三维，所以在网络里流通的是一个三维矩阵）

QKV是什么？Query是输入序列，key和value是attention里的，将Query和key做内积得到Query和key的相似性，将相似性作为不同value的权重，输出value的加权和就是注意力分数，再经过一个softmax计算注意力权重。

self-attention：指的是Q，K，V都来自同一个输入，关注的是输入内部的依赖关系。

Cross-Attention：Q 来自一个输入（如解码器），而 K 和 V 来自另一个输入（如编码器）。主要是用于多个序列作为输入。例如机器翻译，文本摘要，输出的结果需要考虑到多个输入序列。机器翻译用编码器-解码器结构，就是解码器关注到编码器的输出。

multi-headattention：QKV被分成多个头，独立进行运算，最后将结果拼接起来，提高模型的表达能力。

mask-head attention:指的是多了一层掩码，只看当前帧之前的序列。掩码具体做法是在矩阵项城的时候，将那一个数置为-1e9，也就是负无穷。

12.aigc方向国内的典型研究机构以及代表性工作有哪些

AIGCAI-GeneratedContent就是内容生成，包括GAN，VAE，stable diffusion（用于绘画），GPT这些。

GPT：包括预训练，fine tunning两个阶段，采用transformer的decoder作为特征抽取器。预训练是没有人工参与的，用大量文本作为训练材料。但是这样给出的结果并不是想要的，这时就需要人工指导，来引导模型输出想要的回答。这里也算是增强学习的领域。在这方面还有以下的问题：

（1）纠正错误：通过Nerualediting修改网络，让网络不再输入错误的结果

（2）保护隐私：Machineunlearing，让网络遗忘一些学到的东西，以防泄露机密。

13.两数之和

vector<int> twoSum(vector<int>& nums, int target) {

unordered_map<int,int> sets;

for(int i =0;i<nums.size();i++){

auto it = sets.find(target-nums[i]);

if (it != sets.end()){

return {it->second, i};

}

sets[nums[i]] = i;

}

return {};

}

这题主要注意思路，用哈希表找是否存在target-当前数。unordered_map查找用find！=sets.end()

另外要考虑没有的情况，返回{}

Q.输入的数组特别长，以文件的形式存储的，存的是txt在磁盘上，需要一个t的存储空间，是没法直接加载到内存的。这样的情况下怎么办

（1）用哈希表来维护所有数据是否出现以及次数，这样哈希表最大的空间就是0-最大值。可以分块处理，比如分成多个小块，每块小于内存容量，逐个读取，重复的数不需要读取。

（2）可以用c++的标准文件流fstream读取，每次读取一行，将一行的数据用哈希表存储。

14. PaddlePaddle和PaddleOCR

在实习中，主要是用了paddleOCR创建工作流来监控训练预测。工作流上是单独的环境。每天是用shell脚本来在服务器上运行，定时启动。

多个工作流启动的模板：

function process1(){

echo "1"

sleep 10s

}

process1 > /work/log/1.log 2>&1 &

pid1 = 'echo $1'

echo 等待进程 $pid1

wait $pid1

15.列举常见的机器学习算法

可以分成无监督和有监督的模型，有监督可以分成分类与回归。

常见的分类模型有SVM，决策树，逻辑回归（用于二分类），随机森林，贝叶斯分类器等等；

回归模型有线性回归，决策树回归。

无监督的算法有k-means聚类，层次聚类，DBSCAN。

16.如何处理用户输入特征的稀疏数据？

从数据里获取每天的观看时长、点击数量、业务类型。先用特征处理，对一些可以分类的类型（城市，片区，业务区，服务类型）进行onehot编码。对于时间特征（2022/2/18）这种做格式化，计算出观看时长并用float记录。其他项均为0.

17. 重排链表

这题主要三个步骤：先找中点，再反转链表，再合并。三个地方我都有坑。

找中点简单点，用快慢指针，注意判断条件。

反转链表主要是要初始化的问题，开始初始化时pre指向nullptr，cur指向当前。

merge简单，但是在之前一定要记得把中间节点断开！

class Solution {

public:

ListNode * reverse(ListNode * head){

ListNode* pre = nullptr, * cur = head, * nexth;

while(cur != nullptr){

nexth = cur->next;

cur->next = pre;

pre = cur;

cur = nexth;

}

return pre;

}

void merge(ListNode* node1, ListNode * node2){

ListNode* n1next, *n2next;

while(node1!=nullptr && node2 != nullptr){

n1next = node1->next, n2next = node2->next;

node1->next = node2;

node1 = n1next;

node2->next = node1;

node2 = n2next;

}

}

ListNode * middlenode(ListNode * head){

ListNode* slow=head, *fast=head;

while(fast->next != nullptr && fast->next->next != nullptr){

fast = fast->next->next;

slow = slow->next;

}

return slow;

}

void reorderList(ListNode* head) {

if(head == nullptr) return;

// 找中点

ListNode* mid = middlenode(head);

// 逆序

ListNode * l1 = head;

ListNode * l2 = mid->next;

// 一定要断开中间！

mid->next = nullptr;

l2 = reverse(l2);

// 合并

merge(l1,l2);

}

};

18.不同的激活函数以及特点？

（1）softmax，attention用的激活函数。能转成一个平滑的分数并总和为1.

（2）relu：只保留正区间的值并且保证线性。还能减轻梯度消失问题。但一旦输入为负就不会再激活神经元，让神经元死亡。