20190314 一面
-
自我介紹
-
項目介紹 2019 春季實習生招聘之項目介紹
-
了解過哪些 CV 領域
-
一張圖片多個類別怎么設計損失函數，多標簽分類問題
-
SVM、決策樹優缺點，非線性回歸用什么方法，L1、L2 正則化區別
-
鏈表歸並快排 LeetCode 148——排序鏈表
-
反轉鏈表 LeetCode 206——反轉鏈表
-
實習時間，想做什么項目，檢測、分割、行人重識別
-
骰子擲出 1-7 的均勻分布
第一次擲骰子的點數為 \(X_1\)，第二次擲骰子的點數為 \(X_2\)，如果\(X_1=X_2=6\)，則重擲，令 \(X =((X_1-1)*6 + X_2) \% 7\)，則 \(X\) 即為取值范圍為 1-7 的均勻分布。
緊接着二面
-
自我介紹
-
介紹項目
-
ResNet 的特點
引入跳躍連接，有效地解決了網絡過深時候梯度消失的問題，使得設計更深層次的網絡變得可行。
- 用 BN 沒有，BN 有啥優點，這里問各種細節
詳見論文閱讀筆記 Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
-
第一個項目看你用了 Dlib，什么原理，
我只調庫。人臉融合效果怎么評價，答辯時候人為主觀評價。 設計一個人臉識別模型，講了講 Siamese 網絡來做人臉識別。怎么求一個三角形外接圓，三條邊垂直平分線的交點即為圓心，圓心到頂點的距離為半徑。 -
第三個項目，什么是 one-shot、zero-shot，區別
zero-shot 就是說測試集中的類別都是訓練集中沒有見到的；one-shot 就是說測試集中的類別在訓練集中很少或者只能見到一次
- 梯度下降法和牛頓法區別
梯度下降法：利用一階導數
牛頓法：利用二階導數，收斂速度快；但對目標函數有嚴格要求，必須有連續的一、二階偏導數，計算量大
-
Adam 和 SGD 區別，RMSProp 優化算法
-
RNN 怎么反向傳播
-
TensorFlow 怎么在網絡結構實現一個 if 判斷，
定義一個布爾值 -
SVM 的損失函數，特點，對偶問題求解，
用朗格朗日乘子法將有約束優化轉化為無約束優化， 直觀解釋一下拉格朗日乘子法 -
給定一個 [0, 1] 的均勻分布，求圓周率
用這個分布產生一個坐標 \((x, y)\)，則這些點均勻分布在一個邊長為 1 的正方形內，如下圖所示。由幾何概率可知，落在四分之一圓內的概率為 \(P = \frac{\pi}{4}\)，因此我們只需統計出所有點里面落在圓內的點數即可估計出圓周率。
- 編程求數組中的 Top K 大的數 LeetCode 215——數組中的第 K 個最大元素
總結
大概答出百分之七八十吧，寫代碼還是不夠熟練，一周后收到感謝信，被加入人才庫！
一起找實習的其他同學面試題
一面
1、目標檢測項目
- 閥值是怎么選取的？取多少？答：０.75
- 閥值的實際意義是什么？答：IOU 值，然后仔細解釋
- 如果預測出的框過多了怎么辦？答：調整 IOU 閥值，然后解釋
- FPN 在網絡中是怎么加的
- ResNet-50 的選用，因為背景比較單一，沒有必要選取更深的網絡
２、常規深度學習問題
- BN 和 L2 正則化
- 哪些原因會導致梯度消失。答：網絡深度、激活函數
３、編程題：
- 判斷兩個鏈表是否相交。
- 求一個數列中兩個元素的最大和，找到這個兩個元素。（Top K 問題）
二面
-
為什么項目中用 Faster R-CNN+FPN，Faster 和 YOLO 對比；為什么叫單步法，兩步法？
-
R-CNN系列：R-CNN，Fast R-CNN，Fast R-CNN。大概說了一下每代改進。又問了RPN網絡。
-
C++，問了 map 等是用什么實現的。答：紅黑樹。（面試官：好了，我也不問你紅黑樹了），那你在想想還有其他實現的方法嗎？平衡二叉樹，差不多說了一下。
可能是跳表？數據結構和算法之——跳表 -
STL 中 vector 是怎么實現的？我答了用數組實現，然后常數時間訪問，內存分配。內存不夠在原有基礎上擴大一倍分配。又問內存減小的時候是怎么做的，我懵逼了。
-
問堆和棧。我不太會堆，忘記了。然后說了說棧的特點，怎么用的。又問了一下，在計算機系統中，棧有哪些用處，具體解釋了一下。我說了線程和進程。堆和堆排序、堆的應用、數據結構之——棧
-
Linux的一些常用命令：我說了幾個。他又問怎么按時間順序打印出文件列表，按文件大小打印文件列表
-
編程：兩個字符串序列的最長公共子序列。
動態規划經典題目 -
開放問題：讓我設計神經網絡模型（由於硬件限制，Faster 這種網絡不讓用）
數據：許多圖片，這些圖片是由很多網絡分割的，就像棋盤一樣。每一個格子中可能存在一條小斜線（因為是直線，所以實際由兩個端點就可以確定）。要求設計一個網絡來檢測出這張圖片中的這些小短線。
要求：自己定義圖片的尺寸，網絡的模型，loss，評價指標。問的比較細，每一步的實現細節，整得我一愣一愣的。 -
caffe 實現一種新的自定義網絡
獲取更多精彩，請關注「seniusen」!
