一面（一个半小时）1.首先自我介绍2.了解Web层开发？数据库索引了解么？聚簇索引，非聚簇索引？索引分类？3.了解数据库都由哪些引擎？分别有什么区别和使用场景？4.了解分布式？高可用？如何保证节点集群的同步？Nginx了解过么？5.什么是事务，数据库的隔离级别，Mysql默认的隔离级别。6.JVM的内存模型，GC算法7.非递归实现

记录一下公平锁，非公平锁，可重入锁（递归锁），读写锁，自旋锁的概念，以及一些和锁有关的java类。公平锁与非公平锁：公平锁就是在多线程环境下，每个线程在获取锁时，先查看这个锁维护的队列，如果队列为空或者自身就是等待队列的第一个，就占有锁。否则就加入到等待队列中，按照FIFO的顺序依次占有锁。非公平锁会一上来就试图占

JAVA基础编程练习50题本文对50道经典的java程序题进行详细解说，对于初学者可以跳过一些逻辑性太强的题目，比如第一题用到了方法的递归，初学者可能不理解，最好先看那些有if、for、while可以简单解决的程序题！但是，对于比较深入学习过的同学，还是希望可以一口气就看完，这是比较全面思维锻炼！【程序1】题目：古典问题：有一对兔子，从

!(https://imgblog.csdnimg.cn/20200922212416167.png?xossprocessimage/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d3eHkxOTk1,size_16,color_F

前言上一篇写了推荐系统最古老的的一种算法叫协同过滤，古老并不是不好用，其实还是很好用的一种算法，随着时代的进步，出现了神经网络和因子分解等更优秀的算法解决不同的问题。这里主要说一下逻辑回归，逻辑回归主要用于打分的预估。我这里没有打分的数据所以用性别代替。这里的例子就是用歌曲列表预判用户性别。什么是逻辑回归逻辑回归的资料比

郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！Abstract:我们提出了一种新的方法，通过端到端的训练策略来学习深度架构中的可压缩表征。我们的方法是基于量化和熵的软（连续）松弛，我们在整个训练过程中对它们的离散对应体进行了退火。我们在两个具有挑战性的应用中展示了这种方法：图像压缩和神经网络压缩。虽然这些任务通常是用不同的方法来处理的

一：适用范围：tf.nn.dropout是TensorFlow里面为了防止或减轻过拟合而使用的函数，它一般用在全连接层二：原理：　　dropout就是在不同的训练过程中随机扔掉一部分神经元。也就是让某个神经元的激活值以一定的概率p，让其停止工作，这次训练过程中不更新权值，也不参加神经网络的计算。但是它的权重得保留

PyTorch已为我们实现了大多数常用的非线性激活函数，我们可以像使用任何其他的层那样使用它们。让我们快速看一个在PyTorch中使用ReLU激活函数的例子：在上面这个例子中，输入是包含两个正值、两个负值的张量，对其调用ReLU函数，负值将取为0，正值则保持不变。现在我们已经了解了构建神经网络架构的大部分细节，我们来构建一个可用于解决真实问题的深度学习架构。

PyTorch已为我们实现了大多数常用的非线性激活函数，我们可以像使用任何其他的层那样使用它们。让我们快速看一个在PyTorch中使用ReLU激活函数的例子：在上面这个例子中，输入是包含两个正值、两个负值的张量，对其调用ReLU函数，负值将取为0，正值则保持不变。现在我们已经了解了构建神经网络架构的大部分细节，我们来构建一个可用于解决真实问题的深度学习架构。

1.深入了解神经网络的组成、训练和实现，掌握深度空间特征分布等关键概念；2.掌握迁移学习的思想与基本形式，了解传统迁移学习的基本方法，对比各种方法的优缺点；3.握深度迁移学习的思想与组成模块，学习深度迁移学习的各种方法；4.掌握深度迁移学习的网络结构设计、目标函数设计的前沿方法，了解迁移学习在PDA、SourceFreeDA上的应用；5.掌握深度迁移学习在