旷视 2019 春季算法实习生面试总结

2019-03-29 本文已影响0人 seniusen

第一次掷骰子的点数为 $X_1$ ，第二次掷骰子的点数为 $X_2$ ，如果 $X_1=X_2=6$ ，则重掷，令 $X =((X_1-1)*6 + X_2) \% 7$ ，则 $X$ 即为取值范围为 1-7 的均匀分布。

引入跳跃连接，有效地解决了网络过深时候梯度消失的问题，使得设计更深层次的网络变得可行。

详见论文阅读笔记 Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift

第一个项目看你用了 Dlib，什么原理，我只调库。人脸融合效果怎么评价，答辩时候人为主观评价。设计一个人脸识别模型，讲了讲 Siamese 网络来做人脸识别。怎么求一个三角形外接圆，三条边垂直平分线的交点即为圆心，圆心到顶点的距离为半径。
第三个项目，什么是 one-shot、zero-shot，区别

zero-shot 就是说测试集中的类别都是训练集中没有见到的；one-shot 就是说测试集中的类别在训练集中很少或者只能见到一次

梯度下降法：利用一阶导数
牛顿法：利用二阶导数，收敛速度快；但对目标函数有严格要求，必须有连续的一、二阶偏导数，计算量大

用这个分布产生一个坐标 $(x, y)$ ，则这些点均匀分布在一个边长为 1 的正方形内，如下图所示。由几何概率可知，落在四分之一圆内的概率为 $P = \frac{\pi}{4}$ ，因此我们只需统计出所有点里面落在圆内的点数即可估计出圆周率。

大概答出百分之七八十吧，写代码还是不够熟练，一周后收到感谢信，被加入人才库！

1、目标检测项目

２、常规深度学习问题

３、编程题：

为什么项目中用 Faster R-CNN+FPN，Faster 和 YOLO 对比；为什么叫单步法，两步法？
R-CNN系列：R-CNN，Fast R-CNN，Fast R-CNN。大概说了一下每代改进。又问了RPN网络。
C++，问了 map 等是用什么实现的。答：红黑树。（面试官：好了，我也不问你红黑树了），那你在想想还有其他实现的方法吗？平衡二叉树，差不多说了一下。可能是跳表？数据结构和算法之——跳表
STL 中 vector 是怎么实现的？我答了用数组实现，然后常数时间访问，内存分配。内存不够在原有基础上扩大一倍分配。又问内存减小的时候是怎么做的，我懵逼了。
问堆和栈。我不太会堆，忘记了。然后说了说栈的特点，怎么用的。又问了一下，在计算机系统中，栈有哪些用处，具体解释了一下。我说了线程和进程。堆和堆排序、堆的应用、数据结构之——栈

Linux的一些常用命令：我说了几个。他又问怎么按时间顺序打印出文件列表，按文件大小打印文件列表
编程：两个字符串序列的最长公共子序列。动态规划经典题目
开放问题：让我设计神经网络模型（由于硬件限制，Faster 这种网络不让用）
数据：许多图片，这些图片是由很多网络分割的，就像棋盘一样。每一个格子中可能存在一条小斜线（因为是直线，所以实际由两个端点就可以确定）。要求设计一个网络来检测出这张图片中的这些小短线。
要求：自己定义图片的尺寸，网络的模型，loss，评价指标。问的比较细，每一步的实现细节，整得我一愣一愣的。
caffe 实现一种新的自定义网络