Python
1.Python的垃圾回收机制
https://blog.csdn.net/xiongchengluo1129/article/details/80462651
https://www.cnblogs.com/yekushi-Z/p/11474211.html
2.c和Python的区别
https://blog.csdn.net/xiaopikadi/article/details/97636372
https://www.cnblogs.com/sui776265233/p/10046726.html
网络
1.输入URL网址，按下回车键发生了什么
https://blog.csdn.net/zgege/article/details/81587502
机器学习，深度学习
1.dropout，bagging，boosting
bagging是将许多单独训练的学习机集成起来；dropout是将许多单独训练的子网络集成起来，某些权值是共享的。
boosting并不是单独训练的，而是按照有一定的顺序训练的，具有相互依赖关系。
Bagging和Boosting的区别：
1）样本选择上：
Bagging：训练集是在原始集中有放回选取的，从原始集中选出的各轮训练集之间是独立的。
Boosting：每一轮的训练集不变，只是训练集中每个样例在分类器中的权重发生变化。而权值是根据上一轮的分类结果进行调整。
2）样例权重：
Bagging：使用均匀取样，每个样例的权重相等
Boosting：根据错误率不断调整样例的权值，错误率越大则权重越大。
3）预测函数：
Bagging：所有预测函数的权重相等。
Boosting：每个弱分类器都有相应的权重，对于分类误差小的分类器会有更大的权重。
4）并行计算：
Bagging：各个预测函数可以并行生成
Boosting：各个预测函数只能顺序生成，因为后一个模型参数需要前一轮模型的结果