理想汽车-算法优化工程师一面

10-8
面试官懂的太多了，秋招以来第一次面试被问麻了。
手撕 简单dp题，到右下角的最短路径 面试官说可以把边界条件拿出来做，这样会更清晰点
Pytorch DDP了解过吗 不了解
CV的发展路径 从AlexNet开始说，因为想不起来具体改进，就总结了说是各种架构和激活函数的改进
NLP的发展路径 RNN-》LSTM-》Transformer 不清楚是不是这个发展
RNN和Transformer的优缺点 重点提一下Transformer的并行性
模型训练并行方式有哪些 数据并行 分组切分 流水线 大概想起来这些 因为实习有涉及过这里
Transformer与CV的结合 原来是在问我ViT，当时想不起来
轻量化部署的方式有哪些 模型量化、剪枝、压缩 更多的想不起来了
TensorRT的优缺点 当时说只知道是英伟达的框架，然后面试官耐心地给我讲了TensorRT的一些特性  TensorRT缺少很多算子，解决方法是plug-in，自定义算子，能够进行更多的优化
BN的作用 白给题我还想不出来 加快收敛速度（当时说了这个，但是想不明白为什么）
最后5分钟问base有要求不（没有，不是我这么菜你还问我base
自由发挥，问了下老师是做什么的，业务是什么，感觉做的很前沿很厉害，老师也很厉害，这次面试学到了很多