1、一面（大概45分钟）

自我介绍
介绍论文和项目
详细问了一下论文中的解决思路和方法
用公式详解BP原理
详细介绍一个你了解的DL模型，我就介绍了YOLOv3，说到loss function的时候面试官说不用说了
卷积是空间不变性还是时间不变性
CNN网络有哪些层
pooling分几种，分别有什么特点和作用
解决过拟合的方法
分别介绍L1和L2正则化的方式和优缺点
主要使用的语言和框架
作为一个机械的学生为什么会想到做DL，怎么克服困哪自学的
算法：求两个字符串的最长公共子串（作为一个机械的水硕，真的不会。。）问我是不是第一次面试，我说是的，他说可以理解
然后面试官说那问个简单的吧，你写个快速排序，然而我还是不会。。写了个冒泡算勉强展示了一下

最后就是反问了一些问题，因为就跟朋友聊天一样嘛，我就问了一些工作生活方面的问题，总体来说跟面试官聊的不错。问题方面DL部分我基本全答对了，但是算法是硬伤，心理感觉挺悬的

2、二面（大概一个小时，一面结束第二天就接到通知约二面）

自我介绍
还是介绍论文和项目
还是详细介绍论文中的思路和方法
但是二面面试官明显更专业一些，挑了我论文中的一些很细节的地方问我，我都没注意过
让我用公式推导小的batchsize会对模型训练有什么影响，我回答了BN方面的一些影响，面试官说不行，从BP角度考虑，最后引导我也算大概说对了点
为什么在项目中选用了这个模型为基础进行改进，详细介绍论文中的实验过程，与其他模型的实验比较
attention机制的作用以及选用的原因
感受野在cv中的作用，大小分别有什么影响
全局感受野和局部感受野的优缺点，哪些论文的方法是从这方面考虑并进行改进的，介绍一下他们的方法
resnet的原理以及作用
通过公式解释链式法则以及resnet
BN的原理和公式，以及为什么要用BN
算法：从给定数组中找到三个和为定值k的数。又到了我最头疼的地方，想了半天也只会暴力法，面试官看不下去了，给我了一些提示，然而我都有提示了还是想歪了

最后反问阶段，其实我这时候因为算法还是不会所以感觉基本凉了，不过还是试探性的问了下在这个岗位大概要学一些什么，面试官就给我讲了很多cv在美团的应用以及未来的发展方向。总的来说跟一面差不多，DL答得不错但是算法崩了，但是明显可以感觉到面试官要严格很多，整场面试下来一次没笑过，跟一面形成了巨大的反差，不过我心态还算可以，没有被影响。

二面结束之后查询一直卡在二面上，过了快两个周还没消息，我都以为凉了，结果突然接到了HR的电话，跟我道歉说这段时间因为部门的问题拖延了，问我有没有跟其他公司签约什么的，最后跟我约了HR面的时间，现在就等明天HR面了。说实话，作为一个机械的水硕的第一次面试，感觉就跟梦游似的，明明每次算法都不会，笔试做的也一般，但是还是莫名其妙的进了下一轮，现在就是许愿能拿到offer了，也算给自己这个跨专业找工作增加点信心。