面试复盘|顺丰科技视觉算法工程师面经(已OC)
回馈大家~顺利拿到Offer了
听说今年cv算法顺丰只有10个hc,太难了,cv方向算法太不容易了。
希望能给个三连~想要晋升红名呜呜
Timeline:
8.2投递
8.3测评:性格测评,就是性格的一些测试,没有什么所谓的材料分析 ,数字计算,逻辑推理(我一个码农居然还要做行测。太难了)等
……
然后期间就一直没有消息,但是顺丰科技的其他岗位诸如:pm都开始陆陆续续面试了,一度以为自己凉了🤣
直到8.30 发了笔试
9.6 笔试过了约一面
9.9 一面
9.11 告知一面通过,约二面
9.14 二面
9.17 告知二面通过,约HR面
9.22 HR面
9.30 赶着祖国的生日,发意向咯~
笔试
选择题,基础的语法,编程,机器学习和深度学习的基础
2题coding,好像1.08/2,第二题偏难,骗了点分就跑hhh
一面:35mins
一面是个小哥,面试体验很赞,问的也比较基础
怼项目~提问题
基础题:
(1)在原地即不使用任何额外的空间复杂度交换两个数(挺基础的,好像大学的C语言老师就有说过Hhh)
1.相加寄存:a=a+b b=a-b a=a-b
2.位运算:b=a^b; a=a^b; b=a^b
(2) 机器学习题:模型的方差和偏差是什么,怎么减少bias和var:(蛮经典的一题,不过深度的可能没怎么接触)
要点参考:
Error=bias+var+noise
方差:不同训练集训练的模型对相同测试集上输出的差异。
偏差:模型输出和真实结果的差异
Baging减少方差,boosting减少偏差
二者权衡:高偏差,低方差的模型
(3)BN:太经典了。。。。考了好多次了。。。。
GN,IN,LN的关系:
GN介于LN,IN,GN是基于BN在小batch上效果不好应运而生。LN相当于GN中分组为G=1 ,IN相当于GN中分组G=C.可以具体展开介绍包括沿着哪个方向归一化,归一化后的维度(N,C,H,W)各是多少
敲黑板:伪代码要会写!
追问:Transforemr中用LN,为什么?改成IN会变成什么?
(4)解决梯度消失:、
要点参考:
1.grad_clip
2.Relu→Sigmoid
3.resnet
4.BN
追问:Relu→Sigmoid,为什么可以缓解梯度消失呢?Relu在0点可导性,
以及对于激活函数的要求是什么?
要点参考:
主要是因为它们gradient特性不同。sigmoid和的gradient在饱和区域非常平缓,接近于0,很容易造成梯度消失的问题,减缓学习的收敛速度。这个现象在网络层数多的时候尤其明显,是加深网络结构的主要障碍之一(加分点:介绍Resnet的改进)。相反,Relu的gradient大多数情况下是常数,有助于解决深层网络的收敛问题。
在0点不可导,(回去复习高数Hhh)但是会人为地设置此点的导数为0,顺便解释了一下可导性和可微的区别
要求:非线性,处处可微,非饱和,单调,zero-centered,最好还计算简单hhh(加分点:介绍Mobilenet relu &relu 6的改进)。
同时举了个反例sin x,面试官点了点头,又说:不过这几年还真有人用了??
我:?????
然后结束了hhh,比较基础
二面:35mins
二面是个小姐姐,说话柔柔的,面试体验很赞,题型也是比较常规的,反问环节问了问sf的cv岗的一些职责~
基础题:
1.常用的回归损失函数Timeline:
要点参考:
A:L1系列:L1,L2 Loss,SmoothL1 loss(重点介绍:为什么小的梯度用L2,大梯度用L1)
B:IOU系列 IOU ;Generalized IOU; Distance IOU;Compete IOU ~重点介绍各自的缺点和后续采用什么思路去改进的
2.Yolo系列时间线(问的很深,问到了yoloX和对于当前Yolo系列的评价)
要点参考:
(1)Yolov1:FC预测坐标绝对值,7x7 grid预测(相当于最初的anchor free)
(2)Yolov2:用Conv预测坐标的偏移量,BN,先验框的设置
(3)Yolov3:Darknet-53(参考了resnet的残差结构),参考了FPN的多尺度预测,K-means
(4) Yolov4: 太多了。。。。CSPDarknet ,Mish激活函数,Mosaic增强等
**(5)Yolox :AB→AF,sim OTA,Decoupled-head 这个是今年(2021的旷视的)的一个热点,建议好好阅读这篇paper,很佩服这篇文章的作者,respect!
然后分享一下我的view:Yolo从一开始到现在,由v1的AF到AB再到AF,其中不论的anchor-match,data aug,backbone等都有了很大的变化 ,包括v3后的作者推出了cv界,更是没有了统一的界定了。严格说yolo。我个人认为:(1)yolo目前始终注重speed和accrucy的trade-off!这个应该可以作为它的一个中心思想(2)始终One-stage(废话)
3.量化做过吗?TensorRT的推理加速的原理是什么?
4.Focal loss
要点参考:
(1)前置:CE Loss介绍
one-stage vs two-stage:没有rpn直接做回归,太多noise
Loss收敛:大部分是简单负样本,困难负样本(是背景预测为前景,而且分数还挺高的anchor)的学习收到抑制。
(2)α控制正负样本 β控制难易样本,控制的过程,公式分析和介绍
(3)相似应用:OHEM IoU-balanced sampling等
5.解释一下归并排序吧~
要点:分治思想,递归拆分,栈实现两个有序数组的排序(双指针问题),复杂度分析(排序n递归拆分logn)时间复杂度nlogn,空间复杂度1
写了个伪代码~
反问:顺丰的CV业务~
HR面:30mins
1.Base地的选择 2.手头offer
3.对cv的看法,今后的职业规划
4.实习的心得体会
5.家庭情况
6.对顺丰该岗位的认知
小姐姐很有耐心,一步步的引导~感觉对顺丰又了解了一些
告知一到两周发意向~效率很高
总结:(1)笔试 一般,没啥印象,应该难度适中,认真做进面试不难
(2)面试:广度比较大,不光是撕项目,还问了很多机器学习,cv发展时间线,排序算法,部署加速的问题,而且问的特别细节,追问的也很有水平,考察一个人是不是只吟唱八股文还是认真的有去分析原理看Paper的!不得不说区分度很高,不要看面试无手撕就是简单面一面,细节出成败。
(3)今年明显感觉到CV真的非常卷!不仅要求coding爆表,对于算法的原理,发展,联系,细节考察的非常的细了,想入CV的同学,一定要好好准备呀!
番外:顺丰科技的面试体验,流程效率都很赞!虽然开始看到只有10个hc真的傻了,觉得没戏了。最后还是很荣幸成为分子,意向书也很好看呜呜,面试时恰逢中秋节,顺便看到了推送的月饼也很好看(不是).