海康威视实习总结

【海康威视实习总结收获】 从6月13号进厂到现在,已经过去整整一个月了,职位主要是产测,针对 RS2 设备进行一系列的测试,细细整理了一个月以来的所见所闻。 阅读详情

前言

        ·在杭州海康威视实习了大概40多天,因为身体的原因(在杭州有点水土不服),秋招还有一些学校的事情,准备下个星期大概满50天就离职了(虽然但是,未满两个月不能报销路费),写个帖子对这段实习经历做个总结。

实习前

        先简单自我介绍一下,本人专业背景是通信专业,因为一些大家都知道的原因从大概研一下就开始学java,在研二寒假时就有打算在秋招前的暑假看能不能找个实习,但苦于准备的不充分,一直拖到了4月中旬才开始投实习简历,大大小小的笔试做了快20家,自己觉得做的好的笔试经常没有后续,最后也是海康的暑期实习一路通过了,所以也是很感谢海康给的这次实习机会。

        发一下自己的海康实习笔经面经,因为时间过了一个多月,很多问题没有记录已经忘记了,但还是想给想投海康实习的同学做个参考。

笔经

        海康的后端实习笔试是相对来说比较简单的,不像很多公司一样要做算法题,只有选择题和问答题。选择题的单选多选都是类似牛客上的java选择题,刷过一些的人应该没什么问题的。问答题我记得的大概是一个sql语句,一个关于某种设计模式的分析,还有一道不太记得了,但是也不难。

面经

        根据我同组的一个前端实习生的消息,他是有两轮专业面试的,但我当时只有一轮主管面就到了hr面,主管面大概是50个人,等到hr面的时候只有10个人左右了。写一些我能回忆起来的问题。

主管面:

        1、java是怎么学习的,学校里有学过吗?

                我回答的自学的,说了一些自学的方法。

        2、java中集合能说一下嘛?arraylist,hashmap结构,扩容之类的

                当时应该是回答上来了,但是主管没有问具体的问题,让你说你知道的

        3、java8新特性了解嘛?有实际使用过嘛?

                我回答的函数式编程,lambda表达式、stream流,但当时对java8的新特性就是有个了解,知道有这几样东西,lambda表达式在某些学习场景中用过,stream流完全没使用过,后来在实习期间居然就遇到了stream流的一些问题。

        4、spring的一些问题,循环依赖之类的

        5、数据库使用过吗?mysql、redis。索引结构之类的问题

        6、一些开放性的问题,比如服务器宕机怎么排查之类的。后面的记不清楚了

HR面:

        hr小姐姐问了一些学校里的项目,组里人员多少,任务如何分配,有没有很大压力的情况,根据回答展开问。问你为什么选择杭州,手上有几个offer之类的问题。总之展现出你非常想要去的决心就可以了。hr面后大概1个星期就打电话过来通知hr面通过了,发了意向书,问你来不来,来的话确定入职时间与住宿方式。

        这里有两个比较重要的点,一是入职时间虽然可以自己任意选择,但实习时间未满两个月不能报销路费,暑期实习生至少满两个月才有转正答辩,日常实习生是没有转正资格的。我提前离职所以没有报销也没有转正答辩了,除了文章开头的原因,还有些别的原因。首先并不是满2个月就可以转正答辩,通知里写的是根据你的实习情况,有可能实习三个月才能有转正答辩,另一个原因是和住宿有关,实习期你可以选择自住和公司住宿,自住公司会每个月补贴一千多块,尽管相比于杭州的租价来说,可能没什么太大的作用。公司住宿的话,会安排你到公司包的酒店中去住,双人间,但空气不好,非常潮湿,楼层低的可能没有窗户,本身就有些水土不服,在公司宿舍中待久了就会身体不舒服,所以推荐身体一般的同学选择自住。

实习中

        第一周       

        我是7月4号入职的,入职后找到自己部门所在的楼层,见过主管后,主管会安排导师,就可以根据导师的安排开始工作了。第一周主要是熟悉工作流程,在公司下发的电脑上装一些会使用到的环境及软件,如idea,ssh工具MobaXterm,数据库连接工具DBeaver,网络抓包wireshark,远程连接工具向日葵等等,熟悉部门在开发的软件以及它的一些组件,包括公司的一些开发需要用到的一些网站以及公司的wiki百科等等。在服务器上自己去安装组里正在开发的软件平台,学会一些正在开发的平台需要的配置。导师会把你拉入git,拉取代码后,根据软件的功能去看一下业务代码的结构。

        第二周

        在熟悉了一些后,组内正在做升级,导师就安排我和另外一个日常实习生去修复版本存在的漏洞,学习了如何远程连接服务器启动本地服务进行测试。这个星期也移植了一些别的版本分支的api对外接口到正在升级的分支上。

        第三周

        在继续上周对各组件漏洞的修复工作外,客户方面反映了一个现场问题,技术支持无法解决就报到了后端这边,问题是上报数据不准确,用向日葵远程连接了客户现场的环境后,调出日志,发现日志打印的上报时间与数据库的上报时间不对应,后来发现是时区出现了问题,现场问题成功解决。在工作的时候,出现多次服务无法启动的问题,在正式员工的帮助下通过日志、断点等进行排查,发现组件底层由多个构架组成,在进一个方法时没有进预想的构架的方法,在配置文件中指定使用的架构后解决问题。另一次服务无法启动的情况是本地配置文件没有配置consul,无法远程调用。

        第四周

        第四周和我一组的后端实习生离职了,接下了他剩余的工作继续完成。在修改缺陷的时候又出现了服务无法启动的问题,排查日志后发现feign的版本导致的,修改feign版本后解决。在打补丁包的时候补丁包无法构建成功,排查发现新的版本增加了数据库字段,添加sql文件后补丁包构建成功。同时本周安排了一个定制任务,客户提出了四项新需要添加的功能,从svn上拉取了任务代码后,根据客户的定制单开始功能定制。历时一周,写完定制的接口与外部api后,与同组新入职的前端新员工进行联调,经过我们间遇到的各种各样的问题,总算在交付前联调通过。代码与文档发给部署人员进行部署,但在现场时,服务无法启动,排查后发现部署人员没有执行需要执行的sql脚本。后面尽管服务启动成功后,客户对功能提出了新的要求,修改了两天,逐渐和定制单上的要求完全不一样了(笑)。

        第五周

        第五周进行平台门户的配置时发现无法配置,排查后发现token == null,打断点排查后发现是路由的问题,根据wiki进行修改后无果,询问了应用构架开发的员工后一起进行了排查,发现是某个组件的版本迭代后,代码的拼接与原本的不同,导致uri不同,最后导致不能配置,根据组件的资源包中的路径修改后端代码后问题解决。

        第六周

        也就是本周,组件进入了提测环节,多的不行的自测与缺陷需要进行修改,最后一周的工作应该就是自测与修复后端bug缺陷。

总结

        短暂的实习时间让我学习到了很多生产环境下的工作以及可能遇到的情况,使我不是闭门造车,让我对这个行业有了更多的了解。感谢在杭州实习期间遇到的所有人,感谢同组实习生们对我的帮助,感谢正式员工们对我无穷无尽问题的耐心,感谢这段经历!

海康威视测试实习生面试经历 时间:2018.4.25地点:海康威视二期面试岗位:测试实习生面试结果:通过背景:大三,通信工程,自学了JAVA(还没学到框架),还是前一天看了一点测试的基础知识就去面试了,面试时间好久,技术面半小时,HR面半小时技术面:面试官一男一女,女的比较年轻,男的似乎是姿深专家,干了十多年了内容:        大体上就围绕简历上的内容来提问        1、你能挑一个项目给我讲讲你在里面干了什么吗? ... 阅读详情

相关推荐

海康威视 2020届实习+秋招面试 分享

岗位:嵌入式软件工程师 2020年毕业,已经是19年的面试情况了,简单记录一下提供参考,4月左右实习面试和9月左右秋招面试都参加了,分别介绍一下情况。 公司概况 我们了解的海康是以安防著称的,安防方面的市场份额也确实很大。是国内最大的综合监控产品供应商,核心产品中国市场占有率占50%以上,连续几年稳居前列。其中板卡在金融市场占80%,DVR在金融市场占60%。后来的海康其实涉及的业务不局限于摄像头,包括从图像采集到信息处理分析的全链路,也有汽车和无人机的相关部门。可以算硬件大厂,坐标杭州,园区配套很好,工作

weixin_41977590的博客 2915

海康威视实习(已完结)

海康威视实习日志   这是我上研究生以来第一次实习,在实习之前,面试了几家公司,有被虐的很惨的,也有和面试官聊得挺好的。总之非常感谢我现在所在公司的面试官,让我能够待在海康,让我能够从事和算法相关的工作,能够和很厉害的人一起工作学习,也算是满足了我对算法的热爱了。接下来我将会记录我实习过程中的点点滴滴,我本人其实挺喜欢记录生活的,这一次就用CSDN这个平台来记录一下,希望有同事看到这篇博客不要拆穿我,啊~~~ 我爱这个世界,所以世界请你也爱我多一点点吧~ 文章目录海康威视实习日志前言2021年5月7日 晴

Vodka_Lou的博客 1万+

海康威视算法实习面试——我的第一次面试经历

我的第一次面试经历——海康威视算法实习生第一次电话面试(2021.1.15)第二次电话面试(2021.1.19)电话通知面试通过 (2021.1.21) 本人的情况:本硕都是211。从来没有实习过,想增加自己的实习经历,加上以前去海康威视杭州总部参观过,作为一名小白有被展示出来的各种先进设备和系统震撼到,于是尝试了投递海康威视的视觉算法实习岗。 第一次电话面试(2021.1.15) 在我投递简历后的第二天,我就开始准备面试资料,在牛客网上把基本知识都重新过了一遍,又请教了几个已经找到实习的同学,问了一下大

Cheungleilei的博客 6595

海康实习经历分享

经过5周的海康实习,感受还是颇多的,来分享一下实习经历吧。 首先来洗脑式的说下海康,也算让大家了解一下这个公司。海康背景说起来有点复杂,是中电海康集团的下属公司,而中电海康集团是中电的子集团,百分之百的国有企业。海康呢,是国有控股的上市企业,公司背景很不错。不过就实习这段时间来看,完全不像国企,感觉上就是个私企。不要把海康威视和中电海康、中电52所弄混了,完全不一样的。 言归正传说实习吧,本人...

慢慢积累 2万+

海康威视 2024届 数字逻辑设计 实习笔试分析

记录一下 5月11日晚,做的海康威视的一场笔试。分享给需要的IC人。 岗位:数字逻辑设计工程师(浙江 杭州) 转载需要本人同意! 我的见解不一定都是准确的,欢迎评论区交流指正~~

记录所学,分享知识,结识挚友 1万+

海康威视实习报告.doc

海康威视实习报告.doc

海康威视——嵌入式软件实习面经

1.一轮技术面 自我介绍 你的项目经历很丰富,挑一个你觉得最具有代表性的讲一讲 对于RT-Thread你了解一些什么(因为我简历上有一个项目使用到了RT-Thread) 谈谈你对RT-Thread内存管理机制、调度启动、线程调度的理解 是什么原因让你去了解RT-Thread的内部机制 关于Linux你了解一些什么?文件权限有哪些?如何修改文件权限? 什么时候能够到岗 反问:面试结果什么时候出?公司实习生的培养机制? 2.二轮hr面 自我介绍 父母从事的行业、单身or已婚、理想的工作地点

PMSM_Driver的博客 1663

48V电动车电池包拆解:硬核入门BMS硬件设计与故障排查

BMS(电池管理系统)是锂电应用的核心安全与性能保障模块,其本质是融合电化学、模拟电路、嵌入式控制与热管理的交叉系统。理解BMS不能止步于SOC算法或通信协议,而需回归硬件本体——从电压采样精度、MOSFET驱动时序、被动均衡散热设计到NTC热耦合布局,每一处物理实现都直接决定系统可靠性。48V平台因兼具安全性(<60V ELV)、复杂度(13–14串)与产业普及性,成为BMS工程实践的理想标本。本文聚焦真实电池包中的PCB级设计缺陷识别、关键参数现场验证(如±5mV采样误差、5mΩ导通内阻)、UART协议

weixin_29191081的博客 240

海康威视实习生面试总结

公司:海康威视;岗位:嵌入式算法优化实习生 时间20190325,从嘉定坐车一个半小时到松江科技 上去先做题目,一个小时。 题目: 一、概念题4个, 1、const和#define的区别 2、浅复制和深复制 3、熵、自由熵、信息等等的概念 4、生男孩女孩的概率 5、嵌入式函数和宏的区别 二、编程题 1、不用库函数,实现求特征根,三位小数精度 2、6个一袋苹果,8个一袋的苹果,不单卖;买1-100个...

weixin_41001010的博客 2465

第四篇:关于python程序打包的问题-找不到fsspec

这个问题困扰了我将近两天的时间一直找不到什么好的办法,甚至打算放弃。主要原因是身边没有可以述说的人,也没有可以请教的人。正在想要放弃的时候找到了解决办法。 打包后运行程序是这样的, 大概意思是找不见fsspec这个依赖,刚接触python说实话对于这些第三方库理解不是很到位,我的理解就是:类似于java程序中的jar包,程序找不见了。可怎么让他找见了,刚开始以为我自己没有安装fsspec,在cmd中进行了安装,结果如下图所示 很明显,已经安装并且安装目录都有,跟着网上的一些解决办法,在打包的时候把这.

weixin_47861710的博客 5868

在线考试系统源码+数据库+word+ppt(高分毕业设计)

本系统通过Spring Cloud实现微服务拆分,将授权、考试、监控等功能解耦,既保证了系统的扩展性,也便于后期维护。基于OAuth2.0的单点登录,解决多服务统一认证问题;考试与练习模式分离,满足不同场景需求;集成Druid与Hystrix,保障系统监控与稳定性。

weixin_44355158的博客 740

海康威视实习第一周总结

3月17日,我告别了老师和同学们,来到了美丽的杭州市滨江区,住进了公司提供的网宿公寓。可能由于个人运气不错,被分配了一个档次稍微高一点的房间。附带一张图片,以表留恋。 3月18日的早上,用了10多分钟的时间,从网宿公寓走到了公司的总部大楼,顺便在公司吃了一顿早餐。闲话就不多说了,主要分享一下我这一周所见所闻所感。由于刚到了一周,我也只能简短的从公司的人文关怀、规章制度来讲一下。 人文...

kun blog 1万+

量化策略分享之ST股弱转强,回测年化123%

本策略的核心是精选ST股票,国九条过滤,防止直接暴雷退市,只做ST股票的弱转强,弱转强的认定标准是前日涨停但昨日不涨停,昨日收盘价大于前一日最低价,昨日收盘价大于10日线,昨日成交量大于前一日的成交量但小于前一日成交量的10倍,股价大于1;这类股票强势,有资金介入,能获得超额收益。

qq_29301281的博客 1271

海康威视研究院算法岗实习

海康威视研究院实习 呜呜呜,终于来实习了,第一次出来实习,来实习前还有点小慌,不过我比较外向,很快就可以愉快地和组里小伙伴说话了。刚刚去嘛啥也不清楚,是一个姐姐负责带我,姐姐人又好又漂亮!研究院工作氛围很好,弹性打卡,还看到我电的一个男生站着码代码,感觉很牛逼的样子,研究院果然是男人的天下,哈哈哈,女生好少好少。一般早上9:00到9:30之间大多数人会到,然后中午吃饭的时候哥哥姐姐们会喊我,然后呢,尴尬得是我吃饭好慢,我以为我是爱说话才慢,奈何我不说话还是最慢,我说你们先走吧,然后他们说不急,你慢慢吃,哈哈

qq_40651370的博客 2656

手把手教你学PCIE(1.38)--基本概念:ATU(地址转换单元)

ATU(Address Translation Unit)是一种硬件单元,用于在PCIe系统中进行地址转换。它将设备的本地地址(外部地址)转换为系统内存或配置空间中的全局地址(内部地址),反之亦然。ATU的工作原理:通过地址匹配和转换,确保事务能够在不同的地址空间之间正确路由。配置寄存器:通过配置寄存器来设置地址转换规则。应用场景:地址空间隔离、访问控制、动态地址管理、虚拟化和多租户。

MHD0815的博客 2061

SAP ABAP 获取采购订单未清数量/在途库存的 6 种方式

这篇文章我总结了获取采购订单未清数量/在途库存的 6 种方式,每种方式的优劣势和适用场景有所不同。读者请结合自身需要选择。

SAP李斌,本人承诺所有原创文章均不使用任何AI生成技术,请大家放心阅读。 2682

海康威视Java实习面试

海康威视Java实习面试自我介绍技术问题画一下java集合图谱介绍一下spring中的AOPmybatis和hibernate的区别与优劣redis有哪些数据类型手写一个单例模式用到的技术栈非技术问题为什么要用你,你与其他竞争者比较优势是什么你有什么想问我的如果公司需要你加班你有问题吗 更多文章欢迎访问个人博客 www.herobin.top 面试时间:20min 自我介绍 技术问题 画一下jav...

qq_24095055的博客 5847

[HBM] RAM Cell Self Repair | 内存单元自我修复

对抗错误的大都是冗余,内存颗粒在设计的时候也考虑增加冗余。具体的说:添加冗余或备用的存储单元行和列,及时将测试中的故障进行修复和替换,存储器修复包括行修复,列修复或两者的组合。

串起点滴 789

2022年海康威视实习面试 IC验证

海康威视成都研究院(一面电话面,36min,验证) 自我介绍; 为什么选择验证; 验证学到什么程度 ,验证流程; 验证一个东西最重要的是什么; 你对验证的理解; 简单介绍一下项目分工; 怎么处理跨时钟域的问题; 异步FIFO的建立保持时间变成零的话,地址寄存器还需要做格雷码的转换吗?还需要做跨时钟域处理吗? 介绍课题组的项目。介绍完之后,就没有多问。 你籍贯是哪里? 成都和杭州想去哪里? 可以实习多久 反问环节 海康威视杭州研究院(一面电话面,26min,聊天,没问什么技术问题,验

weixin_46492844的博客 2298

uniapp中使用canvas生成海报,并下载保存到手机相册

如下图,是在H5中,canvas生成后的效果,首先说明,H5不支持返回图片的临时路径,不能用于保存,APP端生成成功后,会返回图片的临时路径用来保存到相册。本地测试,用的网络图片,没有出现跨域的问题,APP端也正常显示。 完整代码:可以将整个代码复制到你得uniapp项目中直接运行。代码中做了详细的注册,关于API的用法,这里只标注的简单的提示,具体还是参考 官方链接uniapp-canvas吧 <template> <view class="demo"> <c.

sunluyi的博客 3万+

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

春招实习--海康威视凉--总结反思

面试步骤: 海康威视实习生通过步骤为: 1、投递简历 2、简历初筛(机器筛选简历、可能有硬性规定) 3、笔试(非必须) (技术岗的需要笔试,但是挺友好的不是很难) 4、简历复筛 (人工筛选,我凉在这里了,希望大佬们可以拉到后面帮我看看简历有没有什么问题) 5、面试环节(虽然没参与过这个环节,但是看了很多面经,一般有技术面和HR面) 6、面试通过(羡慕) 7、offer (羡慕羡慕) 8、签约 (羡慕羡慕羡慕) 原因分析: 希望越大失望越大,在投递简历开始的那一刻,就开始着手准备

ideal121的博客 6322

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

海康威视-实习感悟

周末突然想起学校要求的实习感悟还没写,赶紧爬起来记了一波流水账。 来实习已经快一个多月了,说实话,这次实习我是第一次来杭州,也是第一次来海康,认识了很多人,遇到了很多事,见到了很多境,也有了很多的感悟。 ①见到了很多境: 关于杭州 刚来杭州的时候,第一感觉就是这个城市的车辆好有素质啊,无论红灯绿灯都会礼让行人,只要你做出要过马路的动作,他们远远的就会停下,突然就对这个城市有了莫名的好感有木...

至道无难,唯嫌拣择。 5398

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

海康威视2023届超新星实习生招聘

🌟海康威视2023届超新星实习生招聘开始啦![庆祝][庆祝][庆祝] 【招聘对象】2023届毕业生 【招聘岗位】五大类实习岗位 🎁 【超新星实习生福利】 🚀 大平台:零距离体验智能物联网和大数据服务行业! 💪 学干货:导师带教、学习培训、项目实战,快速成长! 👉 高达70%的转录用率:提前解锁23届校招正式offer! ✨ 暖心福利:实习补贴、全勤奖金、异地实习住宿/租房补贴等! 📮 PC端校招官网:campushr.hikvision.com ▶ 微信端:关注“海康威视招聘”公众号-校园招聘 👇..

weixin_60225287的博客 474

海康威视python实习生面试

海康威视Python实习生面试 来海康威视面试总体来说印象还是不错的,面试官两个人,我面试全程大概经历了一个半小时。首先刚到那,被带到了面试室,面试官给我一份题让我先做,给我半小时时间,选择题是一些比较基础的,二叉树,栈和队列等知识,简答题是三次握手四次挥手。编程题一共四道,有一道动态规划没做出来。 进入正题 先自我简介,这我就不多说。 解释下gil全局锁 djiango的一些底层运行模式 网络协...

weixin_44032210的博客 914

记录海康威视实习生面试2018.5.14

      差点忘记记录这次的面试经历。      周六(5.12)收到短信和电话通知,希望参加周日海康在西安组织的超新星算法实习生沙龙。      沙龙主要是介绍了海康威视,包括所做的具体方向,产品在国内各地的应用等,强调了海康的工程师文化,感觉还是不错的。      活动结束后电话约第二天面试(5.14)。      面试时间超级短,估计只有10~15分钟,技术官可能赶飞机。      开始就...

leogo17的博客 7897

海康威视实习面试记录

海康威视超新星图像算法工程师实习生面试记录 历时一个多月,终于完成了海康威视的最后一面,接下来就是等结果了。我投的是图像算法工程师(图像处理\视频编解码\3D视觉),4.15收到的技术面试,之前很顺利的简历一直走到技术面这一关,中间没有经历过任何面试流程,技术面主要问了项目,问的很细,包括各个模块的搭建,项目的不足,遇到的项目中的困难,是不是国内首创的系统……后来某个中午我又自己听了一遍当时的对话...

weixin_40300585的博客 4283
下一篇: 阿里云服务器上部署项目时遇到的问题
neruneruneru
博客等级 码龄7年 3粉丝 2原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址