快手2020校园招聘秋招笔试--算法A试卷
时长:120分钟 总分:100分
172浏览 0人已完成答题
题型介绍
| 题型 | 单选题 | 填空题 |
|---|---|---|
| 数量 | 20 | 4 |
1.
梯度下降算法正确的步骤是什么？ 1. 计算预测值与真实值之间的误差 ...
梯度下降算法正确的步骤是什么？
1. 计算预测值与真实值之间的误差
2. 迭代更新，直到找到最优权重
3. 把输入传入网络，得到输出值
4. 初始化随机权重和偏差
5. 对每一个产生误差的神经元，改变相应的值以减小误差
3.
一个袋子里放着5个红球，6个白球，现在随机从袋子里取两个球，取完之后发现这...
一个袋子里放着5个红球，6个白球，现在随机从袋子里取两个球，取完之后发现这两个球的颜色相同，问这两个球是红色的概率是多少？
4.
已知char str[20]=“0123456789” ， 则strlen...
已知char str[20]=“0123456789” ， 则strlen(str) 和 sizeof(str)的结果是？
9.
若某算法的计算时间表示为递推关系式： T(N)=2T(N/2)+Nl...
若某算法的计算时间表示为递推关系式：
T(N)=2T(N/2)+NlogN
T(1)=1
则该算法的时间复杂度为( )。
10.
有一个卷积层，其参数如下，kernel size为3*3*8，kernel...
有一个卷积层，其参数如下，kernel size为3*3*8，kernel个数为16，stride为2，padding为1，输入特征图尺寸为128*128*8，那么在不考虑偏置的条件下这一层卷积的计算量（每做一次乘法或加法计算量累积一次）是多少？
12.
int f(int x) { &...
int f(int x) {
if(x <= 2)
return1
returnf(x - 2) + f(x - 4) + 1
}
请问当调用f(10)时， f() 被调用多少次？
16.
某算法的时间复杂度递归公式为 T(n)=1,n=1 T(n)=4T(n/2...
某算法的时间复杂度递归公式为
T(n)=1,n=1
T(n)=4T(n/2)+n，n>1
T(n)=1,n=1
T(n)=4T(n/2)+n，n>1
则它的总时间复杂度
17.
若一棵二叉树的前序遍历为a, e, b, d, c，后序遍历为b, c, ...
若一棵二叉树的前序遍历为a, e, b, d, c，后序遍历为b, c, d, e, a，则根节点的孩子节点为
21.
解方程
求解一元一次方程的正整数解
输入描述：
输入一行表示该一元一次方程，其中未知数为X，方程包含加法、减法、乘法。
字符串长度少于20个字符，保证为合法方程。
所有整数绝对值不超过10000000。输入样例： 2*X=6 输出描述： 如果X有唯一正整数解，输出该答案。如果解为非正整数、不存在或解不唯一，输出-1。输出样例 3
字符串长度少于20个字符，保证为合法方程。
所有整数绝对值不超过10000000。输入样例： 2*X=6 输出描述： 如果X有唯一正整数解，输出该答案。如果解为非正整数、不存在或解不唯一，输出-1。输出样例 3
22.
健身
因为公司有免费健身福利，快手程序员老铁们都很爱健身，而且他们健身时像工作一样充满效率。
他们把健身过程神奇的简化了出来：健身有N种锻炼方式可选，器材可看成在一条直线上。
每种锻炼方式距门口Xi米，因为有的器材上可以支持多种锻炼方式，因此有可能出现两种锻炼方式的距离是一样的，即Xa = Xb。
老铁们一进健身房门口就开启健身形态，每走1米，就能获得1点锻炼效果值，而每种锻炼方式也有Ei的效果值，锻炼的过程就是从门口走到某种锻炼方式锻炼，然后到下一个方式锻炼，最后返回门口的过程。需要注意的是，锻炼过程中老铁们不会为了获得效果而刻意走回头路。
老铁们很想知道如果想选择某几种锻炼方式，怎样获得最大锻炼效果。
输入描述： 第一行N，表示锻炼方式的个数第二行N个整数，表示每种锻炼方式距门口的距离
第三行N个整数，表示每种锻炼方式的效果值输入样例： 5 1 2 3 4 5 1 1 1 1 1 输出描述： N个整数，第k行表示选择k种锻炼方式时获得的最大锻炼效果输出样例 11 12 13 14 15
23.
无重复字符最长子串
给定一个字符串，请你找出其中不含有重复字符的 最长子串 的长度。
24.
推荐结果打散
某个推荐系统会推荐出一系列的视频和图片结果，视频用V表示，图片用P表示，现在需要对推荐系统返回的结果进行打散，使得【图片P】的结果每N个里面最多出现1个，并且保证图片最早出现的位置不变，图片之前的相对顺序不变；
例如："V_0", "V_1", "V_2", "P_3", "P_4", "P_5", "V_6", "P_7", "V_8", "V_9"
表示： 10个结果中，位置 [0 1 2 6 8 9] 是 视频V的结果；位置 [3 4 5 7] 是 图片P的结果；
如果 要求 图片P 每3个里最多出1个，那么打散后的结果为： "V_0", "V_1", "V_2", "P_3", "V_6", "V_8", "P_4", "V_9" （P_5 和 P_7 满足不了打散要求 被删除）
如果 要求 图片P 每2个里最多出1个，那么打散后的结果为： "V_0", "V_1", "V_2", "P_3", "V_6", "P_4", "V_8", "P_5", "V_9", "P_7"
输入描述： 第1行输入为一个整数N（1~10），表示每N个结果里最多出1个图片结果；
第2行输入为一个整数M（1~100），表示有M个待处理的推荐结果
第3行~第2+M行为具体的M个待处理结果，每行具体为：字符串 V_ 或 P_打头，后面接输入时0~M-1的顺序标号输入样例： 3 10 V_0 V_1 V_2 P_3 P_4 P_5 V_6 P_7 V_8 V_9 输出描述： 第1行为K，表示打散处理后结果的长度
第2~K+1行为打散后的结果，具体为：字符串 V_ 或 P_打头，后面接输入时0~M-1的顺序标号输出样例 8 V_0 V_1 V_2 P_3 V_6 V_8 P_4 V_9
例如："V_0", "V_1", "V_2", "P_3", "P_4", "P_5", "V_6", "P_7", "V_8", "V_9"
表示： 10个结果中，位置 [0 1 2 6 8 9] 是 视频V的结果；位置 [3 4 5 7] 是 图片P的结果；
如果 要求 图片P 每3个里最多出1个，那么打散后的结果为： "V_0", "V_1", "V_2", "P_3", "V_6", "V_8", "P_4", "V_9" （P_5 和 P_7 满足不了打散要求 被删除）
如果 要求 图片P 每2个里最多出1个，那么打散后的结果为： "V_0", "V_1", "V_2", "P_3", "V_6", "P_4", "V_8", "P_5", "V_9", "P_7"
输入描述： 第1行输入为一个整数N（1~10），表示每N个结果里最多出1个图片结果；
第2行输入为一个整数M（1~100），表示有M个待处理的推荐结果
第3行~第2+M行为具体的M个待处理结果，每行具体为：字符串 V_ 或 P_打头，后面接输入时0~M-1的顺序标号输入样例： 3 10 V_0 V_1 V_2 P_3 P_4 P_5 V_6 P_7 V_8 V_9 输出描述： 第1行为K，表示打散处理后结果的长度
第2~K+1行为打散后的结果，具体为：字符串 V_ 或 P_打头，后面接输入时0~M-1的顺序标号输出样例 8 V_0 V_1 V_2 P_3 V_6 V_8 P_4 V_9
