3.10 一面（45min）
1、自我介绍
2、问项目，问的非常细
问项目提到的问题：
3、介绍一下模型压缩常用的方法？为什么用知识蒸馏？
4、论文的创新点
5、训练过程中用的soft label还是hard label，为什么
6、介绍一下GAN
7、GAN的训练很不稳定，训练过程中有没有什么方法？
8、风格迁移为什么用cycleGAN代替常用的GAN
9、介绍SPGAN？为什么你的改进方法能生成中间风格的图像？
10、如何衡量两个分布的差异？除了KL散度还有什么
11、CV常用的分类器，说了mobilenet和shufflenet，然后让介绍mobilenet。Xception结构的优点？感受野有没有变？
12、模型训练过程中出现过拟合怎么办？
13、常用优化器？SGD和Adam谁收敛的比较快？谁能达到全局最优解？为什么？
14、介绍一下ReLU激活函数？还有其他的吗？说了sigmoid，比较sigmoid和ReLU的优缺点
15、BN层的原理和作用？为什么BN可以减少过拟合？
16、BN层之间的差异怎么衡量？（我用的欧氏距离）为什么不能看成两个分布，用KL散度衡量？
总之就是要对简历提到的项目的原理非常了解。
语言相关
17、python的lamda函数
18、python的深拷贝和浅拷贝
3.15视频一面（60min）
问项目，基本上是面试官听我讲，中间问一些项目的问题，比如loss是什么，BN层有什么作用，对方法有什么改进
算法题：leetcode 169. 多数元素，口述了一下摩尔投票法，不用写代码
智力题：64匹马8个跑道，最少比赛几次可以决出前四名
3.16 电话二面（30min）
二面的面试官特别温柔，声音也很好听，刚开始先做了自我介绍，介绍了一下自己所在部门的主要业务
模型压缩是怎么做的？具体介绍一下知识蒸馏怎么做的？
ReID常用的baseline和backbone？
场景题：如果两段视频是相似的，但是有一段被打上了logo，导致视频提取出来的特征有较大的差异，如果解决？（说了对图像进行水平切块，面试官说其实可以用数据增强）
介绍一下BN和LN？有什么差异？LN是在哪个维度上进行归一化？
算法题：leetcode20.有效的括号，先口述思路，再在腾讯文档上写，不要求跑出结果（因为太紧张了有一些小错误，面试官会指出代码里不对的地方）
有没有了解过自监督以及相关的论文？
对工作地点有没有要求？
结束的时候还说有什么问题可以随时给他发邮件询问
3.18 HR面
自我介绍，岗位匹配度，期望工作城市，家是哪里的，实习时间，希望在实习期间获得什么？硕士是否是全日制？有无亲属在腾讯？
全部评论
(14) 回帖