个人背景

先说一下个人背景，国内985本硕博，科研方向是底层计算机视觉，主要方向是超分辨率技术。旷视科技的面试目前进行了四轮，都是技术面试，简要记录一下问到的一些问题，以供大家参考~

一面

按照正常的流程应该是我先介绍一遍我博士期间的研究经历，但是，一面面试官读过我的paper！这是我面过的所有面试官里头唯一一个读过我的paper的哈哈哈哈，因此研究经历基本上就没有怎么讲了，面试官问了一些他在读我的paper时的疑问，我一一解答之后，问了两个需要编程或者推演的题目。

编程题

用numpy来实现一个图像的两倍双线性插值。这题是底层计算机视觉，尤其是做超分辨率方向的同学的必修课，所以比较简单，想了解的同学可以去搜索一下。

数学题

求n个独立同分布的均匀分布的最大值的期望。这个直接用求解cdf再求导得到pdf、最后积分求期望的方法来求解就可以了。

二面

二面首先还是简单介绍了一下自己的工作，面试官就工作内容问了一些问题。然后问了几个和深度学习框架Pytorch有关的问题，还问了两个算法题。

Pytorch相关问题

题一

以下三个问题任选一个来写：
1. deformable convolution的实现；
2. convolution的实现，尤其是im2col的使用；
3. 超分中比较熟悉的算子或者operation的实现。

我选择了个人比较熟悉的deformable convolution，使用numpy实现了以下。

题二

ReLU函数的正向函数、反向函数以及在Pytorch中的实现有什么要注意的。比较常规的问题。

题三

Pytorch中，定义一个模块或者网络需要用到init函数和forward函数，forward函数本质上是继承自nn.Layer类的（）方法？内置的call方法。

算法题

题一

实现滑窗中位数，即input:[1,2,1,9,3,5,6,7],window_size:3,output:[2,3,5,5,6]。

面试官想让我从最简单最笨的办法推起，逐步寻找算法可以优化的点，直到达到最优。

题二

田忌赛马的问题，具体可以上leetcode去搜一下。

三面

三面主要问的也是研究经历，本来想让我写双线性插值的，我说前面的面试官问过了，就问了我向上插值和向下插值需要注意些什么，然后出了一道算法题。

用一次遍历求解数组中两个数的差的最大值。

四面（终面）

终面面试官等了得有一个月，首先是让我介绍了一个我的paper，然后就paper问了一些内容，随后就问到了编程的问题。

1. Pytorch的autograd机制、怎么计算二阶导数的？
2. 给一个坐标集合xy，它是个的Tensor，包含n个二维空间点的坐标，用pytorch函数计算各个点两两之间的欧式距离，返回一个的Tensor。

第二道题一开始想岔了，没去认真推，写得有点问题，后来就有点小紧张，只实现了交叉项，没有想明白平方项怎么实现，面试官提示之后才知道怎么写。

小结

目前面试结果还没出，但是终面感觉自己表现得不是很好，所以等等看结果好了。旷视的各个面试官都非常nice，不像有些公司的面试官态度比较欠佳，旷视的面试官们技术问题问得非常深入，代码问题也问得很深入，可以看出来旷视的技术实力还是很不错的。希望给过呀，冲冲冲！