感受：今年快手挂简历特别凶，面试流程也变得难了很多。   一面：（跟小哥聊得很开心）   聊 硕士期间研究领域 的应用。   Coding: LC-93 复原IP地址。   二面：（是个厌世脸大叔）   Coding: 手写 NMS。   聊 硕士期间研究领域 的应用。   三面：   1、聊 硕士期间研究领域 及其相似领域。   2、简述目标检测中 One-stage 和 Two-stage 的经典算法各一个。   3、优化器：了解哪些优化器？各自有哪些相同和不同之处？除了Adam系列和Momentum系列还有没有其他优化器？   4、不同优化器的区别，实际中有没有都用过？   5、哪些优化...

背景：三面被改了很多次时间，其他的面试体验都很好。   感受：中规中矩，跟前两位面试官都聊的很开心。面试流程很规范，所有面试官都很谦逊温和。   一面：   1、Pytorch 的优缺点，和 Tensorflow 的不同之处在哪里？   2、你在使用 Pytorh 的时候有没有碰到什么痛点？（被白嫖反馈）   Coding : LC-763 划分字母区间   二面：   上来Coding：LC-994 腐烂的橘子。   1、你在使用 Pytorh 的时候有没有碰到什么痛点？（被白嫖反馈*2）   2、Pytorch 的优缺点，有没有用过 Tensorflow?   3、读些什么书，有没有接触过...

背景：面试官直接约，一面二面连着面，三面主管面。牛客平台。   感受：中规中矩。一面小姐姐感觉非常害羞，经常羞涩的笑🤔；三面主管感觉有些倨傲。   一面：   1、卷积前后的尺寸变化。   Coding：手写二维卷积，要求考虑 Stride & Padding。   二面：   1、目标检测中的后处理算法，简述 NMS 算法。   2、NMS 有没有什么缺点，如何改善？   3、硕士期间研究领域的应用有哪些？   Coding: 手写直方图均衡。（我自己对直方图均衡并不了解，在面试官一步步的引导下写出来了，实际上也不难）   三面：讲论文，聊硕士期间研究领域。

背景：略。   感受：每次面试不只是coding的内容，面试前半段基本上都在聊论文和项目，所以我没写在这里。   一面：（是个小哥，面试体验很不错）   Coding :   1）LC-437 路径总和2，要求用 o(n) 的时间复杂度解决问题。（这里我一开始给出了前缀和的思路并写出来了代码。但面试官要求用 o(n)的解法，用类似后缀和的思路。我先讲了用哈希表的解法，他说不对。然后就是一直在纠结他要的解法到底是什么解法，最终也没做出来）   2）面试官引领着 推导上述第一种解法的时间复杂度。   吐槽：面试结束后仔细想了想，实际上面试官要的就是哈希表的解法，可能是面试中沟通没到位，比较遗憾。一...

背景：投递的时候意向是 CSIG的优图实验室，不知道为啥被分配到了这个。   感受：比较水，两面都没有coding。和一面的面试官聊的非常嗨；二面 是个 KPI面，面试官没开摄像头，   全程冷漠问问题然后结束 挂。之后也没有被捞，和鹅厂没得缘分。   一面：   1、介绍过拟合和梯度消失。   2、是否了解 transformer，最新的 swin transformer 是否有了解？   3、最先进的 Backbone 模型 有没有了解？   4、如果现在要用 transformer 有没有什么好的思路？（感觉面试官在白嫖。。）   5、ROIpooling 和 ROIAlign 的区别在...

背景：之前投的是商汤MIG，但是莫名其妙简历被挂，被研究院捞起来的。   感受：两面都是小姐姐，都比较高冷。一面的小姐姐虽然没露脸，但感觉很温柔，有不会的也会告诉答案；二面的技术深度并不深，被挂有点儿KPI的味道。   一面：   1、DenseNet 的结构介绍，优点。   2、激活函数有哪些，起到什么作用？Relu 的公式。   3、BN 为什么有效？如何实现的？针对的是哪个维度？   4、具体来讲，对于BCHW的张量，BN是如何计算的？   5、BN 在 train & test 中的不同之处，test 的时候能不能不用 train 时计算的均值方差，为什么？   6、YOLO ...

背景：大华HR面的时候，小姐姐问有没有投杭州其他的厂，比如海康？本来没投，听到这个然后就投了🤔。   感受：水。一面二面电话面，三面主管-钉钉视频面，四面HR-钉钉视频面。   一面二面：   1、讲讲目标检测的发展历程。   2、做模型轻量化的方法有哪些？   3、讲讲语义分割的发展历程，详细说说 deeplab 系列。   4、YOLO v1 中对于正负样本是如何操作的？如果 Bbox 是任意多边形，那么需要对算法做什么修改？   5、发表的paper 里的算法是否 还有可继续修改的地方？   6、场景题：如何获取银行卡的卡号？   三面：   1、讲讲 deeplab 系列。   2、...

背景：视频会议形式，一面技术面，二面主管面。   感受：流程简单，感觉面试官技术挺强。   一面：   1、极大似然估计是什么，如何计算？   2、了解几个机器学习中的经典算法？简述SVM算法，并指出其中哪些是生成模型，哪些是判别模型。   3、卷积的计算量（步长分别为1、2的情况）。   4、组卷积的计算量。   5、BN：有几个参数？有几组 alpha, beta 参数？train & test 的区别？   6、Relu 和 sigmoid 作为激活函数的优缺点。   6、快排的 平均/最坏 时间复杂度。   7、TOPK问题，为什么要采用分治思想？   二面：（两位主管，一个东...

背景：提前批投递，两轮电话技术面+一轮电话HR面。   感受：水   一面：   1、双线性插值的实现原理？   2、focal loss 的原理，除了它还有其他的解决数据不平衡的方法吗？   3、自己手动实现过 卷积 等操作吗？   4、简述 k-means 算法 和 NMS 算法的大概流程。   二面（面试官非深度学习领域）：   1、有没有接触过传统的计算机视觉领域？   2、简述 k-means 算法。   3、项目有没有落地？   HR面：   一个有趣的小姐姐，不过最后开奖结果是期望薪资的底线。。有点儿无语。

背景：2021年4月份在牛客网投递的蔚来算法实习，base北京。两面连着面，在牛客平台。   感受：两位面试官都很友好，技术上也很厉害，我自己前期没准备充分，菜的太真实了😶。   一面：   1、卷积在GPU上是如何实现并行运算的？   2、BN在实际中的模型部署中，是如何做优化和加速的？   3、深度学习中，数据不足的情况下应该如何做？   4、已经训练完毕的模型，如何在测试的时候，进一步提升其性能（涨点）？   Coding: LC62 不同路径。dp经典题，但当时刷题比较少，没做出来。   二面：   1、KL散度公式。   2、CEloss 和 KL散度的区别，CEloss的公式。 ...