深度学习笔记：
1. 描述常用3种IOU，分别针对那种情况使用？
① 交并比：交集/并集。即框和框的重叠的程度。为了删除一些同目标位置重叠的框。
② 交集/最小面积：为了删除预测框在真实框内部，且框住部分不完整的情况。
③ 最小面积/最大面积：yoloV3里作为目标位置上anchor框和真实框的置信度。
2. 描述数据增强的常用手段，yoloV4使用的手段？
数据增强：
（1） 裁剪：①中心裁剪，② 随机裁剪，③ 随机长宽比裁剪， ④ 上下左右中心裁剪， ⑤ 上下左右中心裁剪后翻转；
（2）翻转和旋转：① 水平翻转， ② 垂直翻转， ③ 随机角度翻转， ④ 随机角度旋转；
（3）遮挡： ① dropout， ② dropblock；
（4）图像变换： ① 尺寸变换， ② 标准化， ③ 填充， ④ 修改亮度、对比度、饱和度， ⑤ 转灰度图， ⑥ 线性变换， ⑦ 仿射变换， ⑧ 归一化；
（5）mosaic方法：随机裁剪多张样本的目标进行拼接。
yoloV4：
使用了mosaic和dropblock进行数据增强。
3. YOLOV3输入尺寸应该满足哪些条件，608分辨率的图片输入到yoloV3中。输出数据的尺寸是什么？
输入：416 * 416 * 3 ，32的倍数；
输出：S * S * 3 * ( cls + 4 + classnum ) ；
S 为输出尺寸的大小；（608/32=19）
3为锚框的数量；
cls为置信度，即有无目标；
4为预测框的偏移量；
classnum为网络检测的类别。
4. 描述YOLOV3的mAP指标。
（1）AP 平均精度：使用积分的方式来计算PR曲线与坐标轴围城的面积。
（2）mAP：所有类别的AP求平均。
5. dropout和dropblock的区别，分别用在什么地方？
① dropout（数据增强）：随机遮盖像素点，这种遮盖对神经网络的作用很小，但是能够避免小物体被遮挡。
② dropblock：随机遮盖像素块，这种遮盖能有效增强样本数据，提高训练的难度，但是容易把小物体遮挡，造成误差。
6. L1，L2，smooth损失的优缺点？
（1）L1损失：
平均绝对误差（MAE）是另一种常用的回归损失函数，它是目标值与预测值之差绝对值的和，表示了预测值的平均误差幅度，而不需要考虑误差的方向，范围是0到∞。
优点：对任何输入的数值，都有着固定的梯度，不会导致梯度暴涨，具有稳健性。
缺点：在中心点是折点，不能求导，而且会导致梯度振荡。
（2）L2损失：
均方误差（MSE）是回归损失函数中最常用的误差，它是预测值与目标值之间差值的平方和。
优点：函数连续光滑，每个点都可以求导，具有较为稳定的解，不会造成梯度振荡。
缺点：在输入的数值较大，即较远处的时候，梯度过大，容易形成梯度暴涨的问题，不稳健。对异常点敏感。
（3）smooth L1：
smoothL1损失对离群点（异常点）更加鲁棒，相比于L2损失函数，其对离群点（指的是距离中心较远的点）、异常值（outlier）不敏感，可控制梯度的量级使训练时不容易跑飞。综合了L1，L2损失的优点，避免了它们的缺点。
7. 描述YOLOV4中使用到的网络子结构，并画出来。
① CBM = conv+BN+Mish
mish激活函数：Mish=x * tanh(ln(1+e^x))。
（ReLU和Mish的对比，Mish的梯度更平滑）
由于yoloV4比yoloV3的层次更深了，所以使用mish使得再更深层次的时候保证了网络的平滑，即准确性。
② CBL = conv+BN+LeakyRelu
③ SPP：三个最大池化的输入再拼接concat。
三个池化采样不同的核进行尺寸（通过步长和padding控制一样的输出尺寸，便于concat）
“加入了SPP block，能够显著地改善感受域大小，而且速度几乎没有什么下降。”
④ ResNet：两个CBM，一个用1 * 1卷积核，一个用3 * 3卷积核，再做残差。
⑤ CSPX：CBM+残差+CBM 再和输入的CBM做concat（v5是和输入的conv做concat）
8. 描述NMS的整个过程。
在物体检测中NMS（Non-maximum suppression）非极大抑制应用十分广泛，其目的是为了消除多余的框，找到最佳的物体检测的位置。
nms步骤：
① 所有框按照置信度的值从大到小排序；
② 选取置信度最大的框出来，与其他框做IOU；
③ 按一定阈值，将②中IOU大于该阈值的框删去，保留剩下的框，在按其置信度从大到小排序；
④ 重复第二步，直到所有框都筛选完。
9. YOLOV3的建议框怎么来的。
yoloV3的建议框选择：每个像素块中心有三个anchor框；
anchor框根据自己的数据集进行选择；
① 通过聚类算法，对数据集中的所有真实框进行聚类得到三个不同方向大小的anchor框；（适用于训练集很大的情况）
② 通过自己数据集目标真实框的位置、大小、方向，自定义三个anchor框。（适用于训练集少的情况）
10. 描述UNET的大致结构。
UNET：先下采样再上采样的编解码结构。（保留每一次下采样的特征，在上采样的同时进行裁剪拼接。）
11. 描述MTCNN侦测的大致流程。
MTCNN侦测步骤：
① 输入图片进行图像金字塔，得到一组不同尺寸的图片。分别放入P网络进行侦测；
② 输入P网络侦测，对图像进行粗略侦测，尽可能保留所有有目标的框。（低置信度阈值，并通过nms去掉部分重叠框）还要通过反算得到框的实际位置（给后面两个网络裁剪、缩放后侦测）
③ 将P网络筛选后的框，输入R网络进行侦测，进一步做筛选，尽可能筛选掉没有目标的框以及部分目标和重叠的框。（nms）
④ 将R网络筛选后的框放入O网络侦测，（较高的置信度阈值，利用mns通过交并比删去大量重叠框，和再用最小比并集删去在目标内部不完整的框。）
⑤ 反算输出O网络最终筛选的侦测结果。
12. 描述为什么需要量化，量化的流程是啥？
量化的原理：一般来讲，我们神经网络输入的数值精度都是比较高的，因此就会计算比较的慢，所以我们可以量化一般值到INT8，即把权重映射到INT8的范围之间，计算速度快。
基本流程：
① 网络打包分块（将一个网络子块进行打包后，一起量化。例如：conv + BN + Relu糅合成一个模块。）——这里注意要使用量化支持的板块。
② 准备评估工具。（例如：top1、top5精确度、耗时、存储大小……）
③ 对原始网络进行训练。（先训练，后量化）
④ 开始量化。（量化前和量化后的评估指标作对比）
⑤ 做QAT伪训练。（量化后可能精确度下降，根据性能要求，再做训练）
13. 描述剪枝的种类，最常用的剪枝是哪种，为什么？
剪枝种类：
① 根据某种规则，按像素位置随机剪枝。
② 根据某种规则，按向量随机剪枝。
③ 再卷积核上做剪枝。（根据卷积核模的大小，判定剪枝位置）
④ 直接随机减去通道。
⑥ 剪枝分为：结构式剪枝和非结构式剪枝。
剪枝一般直接随机减去通道，对神经元进行剪枝。由于矩阵操作的并行化，减去单个像素或者向量并不能减少计算量。即有的硬件并不支持稀疏矩阵的运输，所以一般剪枝操作是直接减去整个神经元。
14. 描述蒸馏的原理。
蒸馏的原理：先预训练一个大模型，用大模型教小模型（大模型的结果在神经元的级别上作为小模型的先验），使得小模型有大模型的精度，性能又比大模型高。
15. 常用部署有哪些硬件端？
PC端：① 计算机、② 服务器；
移动端：① SDK、② HTTP、③ Android、④ IOS；
IOT部署： ① 英伟达Jetson：支持cuda、② 华为海思、 ③ 瑞芯微、 ④ 树莓派（cpu）……
16. 画出MobileV2的主要子结构。
17. 跨层连接有哪些方法，这些方法的区别是什么？
（1）残差网络ResNet：将输入的信息，与输出时候相加。减少网络层次加深时候，信息的丢失。
（2）密集网络DenseNet：将输入的信息，与后面每一层的输入相加。使得网络形成对特征更丰富的描述和判别，但是这样会大大增大计算量。
（3）反馈网络RNN：将这一次输出的结果加入到反向传播后第二次输入中，使得前后信息得到关联。
18. BatchNormal的执行步骤，为什么需要BatchNormal？
BatchNormal的执行步骤就是，神经网络在每轮训练的时候，当前轮次中，对同批样本相应位置进行归一化处理。
BatchNormal能可以把训练数据集打乱，防止训练发生偏移；有效的避免过拟合，但是它对BatchSize的大小敏感。
- 没有它之前，需要小心的调整学习率和权重初始化，但是有了BN可以放心的使用大学习率，但是使用了BN，就不用小心的调参了，较大的学习率极大的提高了学习速度，
- Batchnorm本身上也是一种正则的方式，可以代替其他正则方式如dropout等
- BN算法像卷积层，池化层、激活层一样也输入一层。BN层添加在激活函数前，对输入激活函数的输入进行归一化。这样解决了输入数据发生偏移和增大的影响。
19. 至少用3种视角描述过拟合的原因，哪些图像能发现过拟合，如何解决过拟合。
描述：
（1）从数据的角度看，训练样本太少，导致神经网络很容易就提取出训练样本的相同的特征，使得神经网络的输出结果在训练集上效果很好，但是在测试集上达不到想要的效果。
（2）从网络结构来看，由于模型过度复杂，使得模型对训练数据拟合较好，但同时拟合了噪声或者与目标不相关的信息导致了过拟合。
（3）例如，同一张试卷，我做了十遍上百遍，答案都倒背如流，但是换了一张试卷我就蒙圈了。这也就是说，我们在训练神经网络的时候，数据集的泛化能力越大越好。我们考试不也是题目刷得越多，各种各样的题目都刷，考试得能力就越强。
不同类型下的图像能够发现过拟合，例如我们在训练人脸侦测网络时候，训练集全是黄种人样本。导致侦测的时候侦测不到白种人和黑种人。
解决：
（1） 数据：① 增大数据集（这里要更多的提供各种不同样式的数据集，尽量提高数据集的泛化能力）；② 数据增强（本质也是扩增数据集）；③ 减少特征：删除与目标不相关特征，如一些特征选择方法。
（2）网络优化：①正则化：在损失函数中引入正则化项来降低模型的复杂度，从而有效的防止模型发生过拟合现象。② dropout（随机丢掉一些神经元，使网络变笨。）③迁移学习，可以解决由于训练数据较小引起的过拟合。
20. 描述梯度弥散原因，如何发现梯度弥散，如何解决梯度弥散。
原因：
随着神经网络的层次加深，特征会越来越抽象化，信息也会随着层次慢慢丢失，这样就会导致神经网络训练变得困难，而导致梯度弥散。我们知道深度学习就是利用反向传播，更新权重。当梯度消失的时候，权重就得不到更新。
发现：
① 看损失，某时刻训练时候，损失降不下去；② 看权重，某时刻某层神经网络的权重消失或者不再更新；③ 看梯度，某时刻某层神经网络的梯度变为0。
解决：
① 加残差Resnet；② 网络内部提高梯度；③ 更改激活函数，使用不饱和的激活函数。（例如LeakyRelu）