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

苹果「一呼百应」的号召力在机器学习领域似乎也不例外。新版Mac推出还不到两周，谷歌就把专为Mac优化的TensorFlow版本做好了，训练速度最高提升到原来的7倍。机器之心报道，机器之心编辑部。对于开发者、工程师、科研工作者来说，Mac一直是非常受欢迎的平台，也有人用Mac训练神经网络，但训练速度一直是一个令人头疼的问题。

除了前面介绍的权重衰减以外，深度学习模型常常使用丢弃法（dropout）来应对过拟合问题。方法与原理为了确保测试模型的确定性，丢弃法的使用只发生在训练模型时，并非测试模型时。当神经网络中的某一层使用丢弃法时，该层的神经元将有一定概率被丢弃掉。设丢弃概率为$p$。具体来说，该层任一神经元在应用激活函数后，有$p$的概率自乘0，有

分布式技术是深度学习技术的加速器。同时利用多个工作节点，分布式地、高效地训练出性能优良的神经网络模型，能够显著提高深度学习的训练效率、进一步增大其应用范围。《首席AI架构师——分布式高性能深度学习实战培养计划》，力图从更宽的视角，梳理清楚深度学习框架、AI应用、部署上线的整个环节，让你在AI职业规划上可以多一些选择。!(https

卷积现在可能是深度学习中最重要的概念。正是靠着卷积和卷积神经网络，深度学习才超越了几乎其他所有的机器学习手段。这期我们一起学习下深度学习中常见的卷积有哪些？1\.一般卷积卷积在数学上用通俗的话来说就是输入矩阵与卷积核（卷积核也是矩阵）进行对应元素相乘并求和，所以一次卷积的结果的输出是一个数，最后对整个输入输入矩阵进行遍历，

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

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

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