一面：
先来两道算法题：
1.给定一个数组，返回每个对应位置右边第一个比他大的数，没有就是-1，如【4，1，2，5，8】返回【5，2，5，8，-1】（单调栈模板题，没有演，直接写了单调栈）
2.给定一颗二叉数，每两个结点路径为1，求相隔最远的两个结点的距离（dfs，直接写出来了）
面试官说我写的快，问我是不是刷过题。。。我说本科室友搞acm的，耳濡目染。。。他又加了一道
3.给一个现成的生成器，可以以概率p生成1，概率1-p生成0，让我用这个生成器构造一个新的生成器，满足每次均匀返回0-1之间的一个浮点数（不会，我说可以先构造一个以1/2概率生成0和1的，然后不断二分（胡说的）。。。面试官说思路是对的，让我把均匀生成0和1的写出来，我写出来后就进行后面的步骤了）
机器学习：
1.介绍项目
2.介绍常见的损失函数
3.LR知道吗，介绍一下原理，写一下损失函数
4.解决过拟合有哪些方法
5.BN层原理是什么，如果只有一个样本BN层怎么求均值和方差呢?（我说是不是一个都一样，他说这里不对）
6.介绍常见的激活函数以及优缺点
还有一些记不起来了，除了BN层那个基本别的全答上来了
二面：
1.聊自己设计的一个网络（我做目标跟踪的，面试官也是做视觉的），被diss设计不合理
2.问了一些faster rcnn一些细节，记不太清了，说了个什么名词没听过
3.问我知道哪些无锚点的检测网络，说了centernet，介绍了一下
4.单阶段的检测方法如YOLO为什么对负样本需求更大（不知道，胡说了几句）
5.KCF知道吗，为什么快，（我说用了循环矩阵还有转化到了频域），反问转化到频域就快了吗?（不知道）
6.ECO知道吗（也是跟踪的，好久没看了，大哥data不是做推荐的吗）记不太清了
7.有什么方法解决正负样本不均匀
8.写一下focal loss，记不太清具体形式了说了下loss的思路，面试官反问除了用参数惩罚占比重的样本，focal loss还有什么方法解决样本不均衡（不知道）
算法题：
给定k和n，A和B先后从1-k之间挑出一个数，不可以重复挑，然后每次挑出来都加在一起，当当前的和大于等于n时，当前选手获胜，求给定k和n时，A先手是否能赢（假设两个人每次都是最优策略）
这题感觉很麻烦，问他能不能换一道（面试官：不能），我说了下思路：dp[i]代表当前选手面对i状态（i状态表示1-k哪些选了哪些没选）时是否能赢，然后递推，下一个状态应该是dp[i去掉j]（数字j从未选到已选），遍历所有j，只要dp[i去掉j]有一个是true，则当前dp[i]为false，否则为true。面试官说思路是对的，时间差不多了就没写
上午问hr，已经挂掉了，CV底子太差了，二面大部分都没答上来，GG
全部评论
(6) 回帖