【算法岗面试】某小厂D机器学习

1.__call__魔法方法（完成）

（1）使实例对象变为可调用对象

__call__类似在类中重载()运算符，使得类实例对象可以像调用普通函数一样，即使用对象名()：

class Pig:
    # 定义__call__方法
    def __call__(self,name,add):
        print("调用__call__()方法",name,add)

pig = Pig()
pig("你是猪吗？","不是哦")
# 调用__call__()方法 你是猪吗？ 不是哦

通过在Pig类中实现__call__方法，使得实例对象pig变为可调用对象。对于可调用对象，名称()等价于名称.__call__。即上面的代码等价于为pig.__call__("你是猪吗？", "不是哦")。

• python中的可调用对象：
  • 自定义函数
  • python内置函数
  • 上面的类实例对象

（2）弥补hasattr()函数短板

hasattr(当前对象, 属性)函数能够判断当前对象是否包含对应的属性 or 方法，但是不能判断同名情况，是指类属性 还是 类方法。

类实例对象包含的方法，也是可调用对象（有__call__()方法），但是类属性不是可调用对象。所以如下栗子的say类方法是可调用对象，拥有__call__()方法。

class CLanguage:
    def __init__ (self):
        self.name = "language"
        self.add = "english"
    def say(self):
        print("hello world!")
clangs = CLanguage()
if hasattr(clangs,"name"):
    print(hasattr(clangs.name,"__call__"))
print("**********")
if hasattr(clangs,"say"):
    print(hasattr(clangs.say,"__call__"))

（3）再来一个栗子

class Entity:
'''调用实体来改变实体的位置。'''
  def __init__(self, x):
      self.x = x

  def __call__(self):
      '''改变实体的位置'''
      print('self.x:', self.x)

entity = Entity(1)
entity()

================================
output:
self.x: 1

2.yield的用法

一个打印斐波那契数列的栗子：

def fab(max): 
    n, a, b = 0, 0, 1 
    while n < max: 
        yield b      # 使用 yield
        # print b 
        a, b = b, a + b 
        n = n + 1
 
for n in fab(5): 
    print (n)

• yield 的作用就是把一个函数变成一个 generator，调用 fab(5) 不会执行 fab 函数，而是返回一个 iterable 对象！

• 在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。

• 也可以手动调用 fab(5) 的 next() 方法（因为 fab(5) 是一个 generator 对象，该对象具有 next() 方法）:

>>>f = fab(5) 
>>> f.next() 
1 
>>> f.next() 
1 
>>> f.next() 
2 
>>> f.next() 
3 
>>> f.next() 
5 
>>> f.next() 
Traceback (most recent call last): 
 File "", line 1, in <module> 
StopIteration

3.C++的左值和右值引用（没答上）

这玩意还要好好学学：C++11的左值引用与右值引用总结

4.input=88，filter=33，stride=1，padding=1卷积结果

padding后是9乘9，然后和卷积核运算后是7乘7。

5.GBDT的特征怎么选择

决策树常用于分类，目标就是将具有 $P$ 维特征的 $n$ 个样本分到 $C$ 个类别中，相当于做一个映射 $C=f(n)$ ，将样本经过一种变换赋予一个 $label$。可以把分类的过程表示成一棵树，每次通过选择一个特征 $pi$ 来进行进一步分叉分类。

决策树中的特征重要性，不像线性回归一样可以用系数表示特征重要性。而根据每次分叉选择哪个特征对样本进行划分，能够又快又准地对样本进行分类，即根据不同的特征选择方案，我们分为了：ID3、C4.5、CART等算法。

	ID3树	C4.5树	CART算法
评价标准	信息增益	信息增益比	基尼指数
样本类型	离散型变量	连续型变量	连续型变量
任务	分类	分类	分类and回归（回归树使用最小平方误差）

6.智能指针怎么解决交叉引用，造成的内存泄漏

结论：创建对象时使用shared_ptr强智能指针指向，其余情况都使用weak_ptr弱智能指针指向。

（1）交叉引用的栗子：

当A类中有一个指向B类的shared_ptr强类型智能智能，B类中也有一个指向A类的shared_ptr强类型智能指针。
main函数执行后有两个强智能指针指向了对象A，对象A的引用计数为2，B类也是：

#include 
#include 
using namespace std;

class B;
class A{
public:
    shared_ptr<B> _bptr;
};

class B{
public:
    shared_ptr<A> _aptr;
};

int main(){
    shared_ptr<A> aptr(new A());
    shared_ptr<B> bptr(new B());
    aptr->_bptr = bptr;
    bptr->_aptr = aptr;
    return 0;
}

而当主函数main的return返回后，对象A的引用计数减一变为1（aptr没指向A对象了），B对象也是，引用计数不为0，即不能析构2个对象释放内存，造成内存泄漏。

（2）解决方案

将类A和类B中的shared_ptr强智能指针都换成weak_ptr弱智能指针；

class A{
public:
    weak_ptr<B> _bptr;
};
class B{
public:
    weak_ptr<A> _aptr;
};

weak_ptr弱智能指针，虽然有引用计数，但实际上它并不增加计数，而是只观察对象的引用计数。所以此时对象A的引用计数只为1，对象B的引用计数也只为1。

7. C++多线程了解不？

多线程指的是在一个程序进程中处理控制流的多路并行通道，它在所有操作系统上为运行该程序提供了相同程度的并发性。C++ 11 之后添加了新的标准线程库 std::thread，std::thread 在 头文件中声明。

（1）并行和并发的概念：

• 并行：同时执行，计算机在同一时刻，在某个时间点上处理两个或以上的操作。（如下图）
  判断一个程序是否并行执行，只需要看某个时刻上是否多两个或以上的工作单位在运行。一个程序如果是单线程的，那么它无法并行地运行。利用多线程与多进程可以使得计算机并行地处理程序（当然 ，前提是该计算机有多个处理核心）。

• 并发：同一时间段内可以交替处理多个操作。如下图。每个队列都有自己的安检窗口，两个队列中间没有竞争关系，队列中的某个排队者只需等待队列前面的人安检完成，然后再轮到自己安检。

如果我们将程序的结构设计为可以并发执行的，那么在支持并行的机器上，我们可以将程序并行地执行。因此，并发重点指的是程序的设计结构，而并行指的是程序运行的状态。并发编程，是一种将一个程序分解成小片段独立执行的程序设计方法。

（2）并发的基本方法

• 多进程：
  • 如你和小伙伴要开发一个项目，但是已经放假回家了，所以通过wechat联系，各自工作时互不干扰。这里的小伙伴代表线程，工作地点代表一个处理器，这个场景的每个小伙伴是一个单线程的进程（拥有独立的处理器）。
  • 多个进程独立地运行，它们之间通过进程间常规的通信渠道传递讯息（信号，套接字，文件，管道等），这种进程间通信不是设置复杂就是速度慢，这是因为为了避免一个进程去修改另一个进程，操作系统在进程间提供了一定的保护措施，当然，这也使得编写安全的并发代码更容易。运行多个进程也需要固定的开销：进程的启动时间，进程管理的资源消耗。
• 多线程：
  • 上学时，你和小伙伴在实验室共同讨论问题，头脑风暴，更有效地沟通项目。这里的场景即只有一个处理器，所有小伙伴都是属于同一进程的线程。
    C++11 标准提供了一个新的线程库，内容包括了管理线程、保护共享数据、线程间的同步操作、低级原子操作等各种类。标准极大地提高了程序的可移植性，以前的多线程依赖于具体的平台，而现在有了统一的接口进行实现。
  • 在当个进程中运行多个线程也可以并发。线程就像轻量级的进程，每个线程相互独立运行，但它们共享地址空间，所有线程访问到的大部分数据如指针、对象引用或其他数据可以在线程之间进行传递，它们都可以访问全局变量。进程之间通常共享内存，但这种共享通常难以建立且难以管理，缺少线程间数据的保护。因此，在多线程编程中，我们必须确保每个线程锁访问到的数据是一致的。

（3）C++11中的并发与多线程

C++11 新标准中引入了几个头文件来支持多线程编程：（所以我们可以不再使用 CreateThread 来创建线程，简简单单地使用 std::thread 即可。）

< thread > :包含std::thread类以及std::this_thread命名空间。管理线程的函数和类在 中声明.
< atomic > :包含std::atomic和std::atomic_flag类，以及一套C风格的原子类型和与C兼容的原子操作的函数。
< mutex > :包含了与互斥量相关的类以及其他类型和函数
< future > :包含两个Provider类（std::promise和std::package_task）和两个Future类（std::future和std::shared_future）以及相关的类型和函数。
< condition_variable > :包含与条件变量相关的类，包括std::condition_variable和std::condition_variable_any。

8.头文件functional（C++11特性）

• 是C++标准库中的一个头文件，定义了C++标准中多个用于表示函数对象(function object)的类模板，包括算法操作、比较操作、逻辑操作；
• 以及用于绑定函数对象的实参值的绑定器(binder)。这些类模板的实例是具有函数调用运算符(function call operator)的C++类，这些类的实例可以如同函数一样调用。不必写新的函数对象，而仅是组合预定义的函数对象与函数对象适配器(function object adaptor)，就可以执行非常复杂的操作。

9.小结

算法项目，C++11特性问了几个，常见机器学习算法都问。

Reference

[1] C++11多线程的三种创建方式
[2] Linux c++线程同步的四种方式：互斥锁，条件变量，读写锁，信号量
[3] 菜鸟教程—C++ std::thread
[4] https://www.cnblogs.com/yskn/p/9355556.html（重点）
[5] 菜鸟教程—C++多线程
[6] C++/C++11中头文件functional的使用