1. 面试信息

(1) 面试时间：电话面 1个小时

(2) 面试岗位：北京 计算机视觉工程师

(3) 面试问题：深度学习基础(较多问题)+项目介绍

(4) 面试官很nice

(5) 面试官很nice，并不意味着很ok，后面跟我打电话问我愿不愿意转客户端开发，真香！！！

(6) 还有就是觉得，找工作中被日常水和日常水，心态要好，总会有让自己满意的，耐心点就好！！！

(7) HR 面试陷阱多，比如工作的地方什么的，需要特别注意

(8) 对效率很低的公司不太看好，一方面因为自己不够优秀，一方面因为HR不太上心，也可能是说的那种KPI啥的。。。之前遇到科大讯飞的，从提前批问到秋招都快结束了，一直跟反馈是简历挺好的，笔试成绩也很靠前，但是就是不面你，后面来回问了三个HR，才知道简历都没有到对应的部门，好吧，我是服气的，请常怀敬畏之心。

2. 面试问题

(1) 深度学习和机器学习的区别是什么？

② 网络复杂度

③ 任务差别

(2) 对于深度学习，网络加深带来的后果是什么？如何解决梯度消失和梯度爆炸

① 梯度不稳定

② 梯度消失和梯度爆炸

③ 解决梯度爆炸的方法：

(3) 残差网络为什么可以那么深训练学习？

(4) 平时用的激活函数较多的是什么？有什么差异

① relu和sigmoid的区别

梯度消失+计算量大+relu稀疏

(5) 激活函数的设计规则是什么？

(6) 使用什么深度学习框架，两者的区别和数据单元及结构是什么

① 静态和动态的区别

② 数据单元的区别

③ 动态和静态日常使用的差异

(7) PyTorch用哪两种方式构建网络结构

(8) PyTorch中nn.Sequential()和nn.ModuleList()区别
https://blog.csdn.net/qq_35608277/article/details/89607872

(9) Batch normailization的原理及其参数

(10) BN 在哪些场景中不适用

于是有LN，IN，GN的出现

(11) batch_size大和小的好处和区别

① 一定范围内，bs越大，其下降方向越准，引起震荡越小
② bs大，内存撑不住
③ bs大，达到相同的精度，其所花费的时间大大增加
④ bs增加到一定程度，其确定下降方向已经基本不再变化

(12) 特征图前后大小计算

(13) 为什么要使用大卷积核，后面为什么要用多个小卷积核代替

(14) python的内存管理机制

(15) SEPD项目具体的实现和思路

(16) dropout 的实现原理

3. 后面的面试

1. 忘记问啥了，写了一道反转链表的题目

2. 其他觉得面试官太忙了，可能rank的人太多，面试官从一面到二面大概相隔了一个月

3. 后面HR询问转客户端开发不？哈哈哈

4. max和min pool从原理上解释

5. train,valid，test三个划分的要求是什么，valid和test的区别是什么，从原理上解释

6. 后面都是从原理上去解释这个东东，佛系了

3. 提问环境

(1) 业务是OCR，场景识别，菜单识别，内容理解的

www.ilovepose.cn 安德烈洪