null - 程序员宅基地

yolov3算法详解_2020年阿里-算法工程师面经-程序员宅基地

写在前面：暑期实习从申请到拿到阿里意向书大概持续了1个月的时间，和周围其他同学比较，我的面试流程算走的比较快的了。还没有拿到意向书的朋友们也不要太着急，调整好心态好好准备（虽然内心多多少少会有些焦虑），阿里走流程算是比较快的了。希望能对求职的你有所帮助。

【阿里云1面（算法实习生）】

1、自我介绍、项目介绍

2、死锁出现的原因以及如何避免

雾夜飞鹰：死锁产生的原因及四个必要条件zhuanlan.zhihu.com

3、算法题：畅通工程

【算法笔记第9.6节-并查集】问题 B: 畅通工程blog.csdn.net

个人感受：基础层。没有细问项目，聊了一些分布式训练、操作系统相关的东西，因为我说我不会，所以都是面试官在教我，基本没怎么问问题，最后要求用C++写一道medium算法题。面试官很和善，算法题没写出来，还给我提供了思路，感谢。

【阿里云2面（算法实习生）】

1、自我介绍、项目介绍

2、梯度消失、爆炸原因及其解决方法

详解机器学习中的梯度消失、爆炸原因及其解决方法_网络_Double_V的博客-程序员宅基地blog.csdn.net

3、模型压缩的方法

SIGAI：深度学习模型压缩与加速综述zhuanlan.zhihu.com

4、介绍轻量级网络

小小将：CNN模型之SqueezeNetzhuanlan.zhihu.com

小小将：CNN模型之MobileNetzhuanlan.zhihu.com

白裳：轻量化网络ShuffleNet MobileNet v1/v2 解析zhuanlan.zhihu.com

5、介绍分布式训练

杨旭东：一文说清楚Tensorflow分布式训练必备知识zhuanlan.zhihu.com

同步训练存在木桶效应，需要各个设备的计算能力要均衡，而且要求集群的通信也要均衡。

异步模式理论上存在缺陷，容易发生梯度失效问题，但因为mini-batch随机梯度下降本身就是梯度下降的一个近似解法，且即使是梯度下降也无法保证全局最优。

在实际应用中，在相同时间内使用异步模式训练的模型不一定比同步模式差。所以这两种训练模式在实践中都有非常广泛的应用。

6、pytorch与tensorflow的区别

景略集智：PyTorch VS TensorFlow：细数两者的不同之处zhuanlan.zhihu.com

摘抄总结：

TensorFlow 是一款强大而成熟的深度学习库，有强大的可视化性能，以及用于高水平模型开发的多个选项。它具备生产就绪的部署选项，也支持移动平台。如果你符合以下情况， TensorFlow 会是个很好的选择：

开发用于生产的模型
开发需要在移动平台上部署的模型
想要非常好的社区支持和较为全面的帮助文档
想要丰富的多种形式的学习资源
想要或需要使用 Tensorboard
需要用到大规模的分布式模型训练

PyTorch 仍然是个比较年轻的框架，但发展迅速。如果符合以下情况，PyTorch 就比较适合你：

正在做机器学习研究，或开发的产品在非功能性需求方面要求不高
想要获得更好的开发和调试经验
喜欢很有“Python 味”的东西

7、过拟合原因和解决方法

阿里云云栖号：深度学习揭秘之防止过拟合（overfitting）zhuanlan.zhihu.com

8、bn层作用

天雨粟：Batch Normalization原理与实战zhuanlan.zhihu.com

具体来说就是反向传播中，经过每一层的梯度会乘以该层的权重，举个简单例子：正向传播中

，那么反向传播中，

，反向传播式子中有w的存在，所以

的大小影响了梯度的消失和爆炸，batchnorm就是通过对每一层的输出做scale和shift的方法，通过一定的规范化手段，把每层神经网络任意神经元这个输入值的分布强行拉回到接近均值为0方差为1的标准正太分布，即严重偏离的分布强制拉回比较标准的分布，这样使得激活输入值落在非线性函数对输入比较敏感的区域，这样输入的小变化就会导致损失函数较大的变化，使得让梯度变大，避免梯度消失问题产生，而且梯度变大意味着学习收敛速度快，能大大加快训练速度。

9、介绍网络：Faster-RCNN、YOLO、SSD、YOLOv1、YOLOv2、YOLOv3、Masker-RCNN、GAN

10、如何提升mAP，举个例子

11、如何解决不收敛的问题，举个例子

瓦娜与欧洛因：神经网络不收敛的11个常见问题zhuanlan.zhihu.com

12、介绍优化器

深度学习--优化器算法Optimizer详解（BGD、SGD、MBGD、Momentum、NAG、Adagrad、Adadelta、RMSprop、Adam） - 郭耀华 - 博客园www.cnblogs.com

13、CenterNet的实现细节（argmax）

个人感受：应用层。2面问了很多项目上的细节以及基础知识，主要以检验基本知识体系为主。不会的我直接说不会，面试官就换了一个问题问，非常和蔼和有耐心。最后还对学习方向进行了指导。基础知识一定要牢固，多思考为什么，模型好在哪里以及解决问题的思路。

【阿里云3面（算法实习生）】

1、项目介绍

2、你是如何选择数据集采样标准的

3、RCNN、Fast RCNN 和 Faster RCNN的区别

4、如何解决过拟合

阿里云云栖号：深度学习揭秘之防止过拟合（overfitting）zhuanlan.zhihu.com

5、如何使用ML知识分配算力

6、和初中生解释ML

7、假如你和你的leader意见相左，如何解决

个人感受：战略层。面试官从美国打来电话聊了1h，非常感谢他的时间（当时美国已经11 PM 了）基础知识问了15min左右，主要考察我解决问题的思路，以及对知识的理解和运用层面。最后对我的个人发展提出了指导性的建议，非常感谢。

【阿里云4面（算法实习生）】

1、项目介绍

2、如何部署算力

3、为什么选择RetinaNet

4、对数据、算法、算力的看法

5、混淆矩阵角度解读召回率和准确率

6、纳什均衡

7、反卷积和上采样

8、什么是排序算法的稳定性

9、稳定和非稳定的排序算法都有哪些

10、描述一下堆排序、什么是大顶堆、什么是小顶堆

11、描述一下二叉搜索树

12、时间复杂度为O(n)、空间复杂度为O(k)的树的搜索方法

god-jiang：神级遍历——morriszhuanlan.zhihu.com

个人感受：突击检查？这次面试没有预约，对项目问的较少，主要关心算力如何布局，问的基础问题比较多和二面类似，但更侧重于数据结构基础，面试官语速有点快，数据结构相关的问题基本都没答上来。面试时间超过了面试官预期，没有问问题环节了，意识到自己基础的薄弱性，感觉有点凉凉qwq

【陌陌科技（计算机视觉实习生）】

1、自我介绍、项目介绍

2、训练集在多个模型上比较性能，mAP高的是为什么，低的是为什么，响应速度高的是为什么，低的是为什么？（等等，深挖项目，SSD的表现为什么这么差，为什么不用分割网络，说一下 Repulsion Loss）

3、说一下faster-RCNN的Anchor怎么生成

YaqiLYU：目标检测中的Anchorzhuanlan.zhihu.com

4、写一下smooth L1的公式

请问 faster RCNN 和 SSD 中为什么用smooth L1 loss，和L2有什么区别？www.zhihu.com

5、写一下IoU的代码

Python 简版实现

#RT:RightTop
#LB:LeftBottom
def IOU(rectangle A, rectangleB):
    W = min(A.RT.x, B.RT.x) - max(A.LB.x, B.LB.x)
    H = min(A.RT.y, B.RT.y) - max(A.LB.y, B.LB.y)
    if W <= 0 or H <= 0:
        return 0;
    SA = (A.RT.x - A.LB.x) * (A.RT.y - A.LB.y)
    SB = (B.RT.x - B.LB.x) * (B.RT.y - B.LB.y)
    cross = W * H
    return cross/(SA + SB - cross)

6、写一下focal loss

中国移不动：5分钟理解Focal Loss与GHM——解决样本不平衡利器zhuanlan.zhihu.com

【网易（AI研究员）】

1、python中的字典是如何实现的

AgL：Python字典dict实现原理zhuanlan.zhihu.com

2、vector是如何实现的

STL vector的内部实现原理及基本用法blog.csdn.net

3、C++中分配、释放空间的函数如何实现，有什么区别

分配空间的三种函数--malloc，calloc，realloc_zjq_smile的博客-程序员宅基地blog.csdn.net

4、K-means聚类算法实现

k-means聚类算法原理及python3实现_hanxia159357的博客-程序员宅基地blog.csdn.net

5、如何进行大规模去重

海量数据去重之SimHash算法简介和应用_三劫散仙-程序员宅基地blog.csdn.net

6、判别两个图片相似性

【华为（算法工程师）】

1、

【京东（技术管培生）】

1、群面（12个人无领导小组讨论）总时长30min

2、HR面主要考察对这份岗位的意愿（30min

3、技术面面试官好像很忙，根据简历问了一下（20min

4、高管终面

环节1 阅读案例给出解决方案（30min）

给了一个案例解决一个人力资源的问题（全文15页）

环节2 轮流自我介绍（每人2min）之前提交的3页PPT

个人感觉比较看重学历背景和实习经历

环节3 自由发言案例的解决方案（每人3min）

环节4 面试官自由提问（20min）问题如下（可参考性不大

1）提三点案例公司需要提升的点

2）案例公司如何做2b的技术输出

3）云服务的优势

本文链接：https://blog.csdn.net/weixin_39875031/article/details/111137136

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

稀疏编码的数学基础与理论分析-程序员宅基地

文章浏览阅读290次，点赞8次，收藏10次。1.背景介绍稀疏编码是一种用于处理稀疏数据的编码技术，其主要应用于信息传输、存储和处理等领域。稀疏数据是指数据中大部分元素为零或近似于零的数据，例如文本、图像、音频、视频等。稀疏编码的核心思想是将稀疏数据表示为非零元素和它们对应的位置信息，从而减少存储空间和计算复杂度。稀疏编码的研究起源于1990年代，随着大数据时代的到来，稀疏编码技术的应用范围和影响力不断扩大。目前，稀疏编码已经成为计算...

EasyGBS国标流媒体服务器GB28181国标方案安装使用文档-程序员宅基地

文章浏览阅读217次。EasyGBS - GB28181 国标方案安装使用文档下载安装包下载，正式使用需商业授权, 功能一致在线演示在线API架构图EasySIPCMSSIP 中心信令服务, 单节点, 自带一个 Redis Server, 随 EasySIPCMS 自启动, 不需要手动运行EasySIPSMSSIP 流媒体服务, 根..._easygbs-windows-2.6.0-23042316使用文档

【Web】记录巅峰极客2023 BabyURL题目复现——Jackson原生链_原生jackson 反序列化链子-程序员宅基地

文章浏览阅读1.2k次，点赞27次，收藏7次。2023巅峰极客 BabyURL之前AliyunCTF Bypassit I这题考查了这样一条链子：其实就是Jackson的原生反序列化利用今天复现的这题也是大同小异，一起来整一下。_原生jackson 反序列化链子

一文搞懂SpringCloud，详解干货，做好笔记_spring cloud-程序员宅基地

文章浏览阅读734次，点赞9次，收藏7次。微服务架构简单的说就是将单体应用进一步拆分，拆分成更小的服务，每个服务都是一个可以独立运行的项目。这么多小服务，如何管理他们？(服务治理注册中心[服务注册发现剔除])这么多小服务，他们之间如何通讯？这么多小服务，客户端怎么访问他们？(网关)这么多小服务，一旦出现问题了，应该如何自处理？(容错)这么多小服务，一旦出现问题了，应该如何排错?(链路追踪)对于上面的问题，是任何一个微服务设计者都不能绕过去的，因此大部分的微服务产品都针对每一个问题提供了相应的组件来解决它们。_spring cloud

Js实现图片点击切换与轮播-程序员宅基地

文章浏览阅读5.9k次，点赞6次，收藏20次。Js实现图片点击切换与轮播图片点击切换<!DOCTYPE html><html> <head> <meta charset="UTF-8"> <title></title> <script type="text/ja..._点击图片进行轮播图切换

tensorflow-gpu版本安装教程（过程详细）_tensorflow gpu版本安装-程序员宅基地

文章浏览阅读10w+次，点赞245次，收藏1.5k次。在开始安装前，如果你的电脑装过tensorflow，请先把他们卸载干净，包括依赖的包（tensorflow-estimator、tensorboard、tensorflow、keras-applications、keras-preprocessing），不然后续安装了tensorflow-gpu可能会出现找不到cuda的问题。cuda、cudnn。..._tensorflow gpu版本安装

随便推点

物联网时代权限滥用漏洞的攻击及防御-程序员宅基地

文章浏览阅读243次。0x00 简介权限滥用漏洞一般归类于逻辑问题，是指服务端功能开放过多或权限限制不严格，导致攻击者可以通过直接或间接调用的方式达到攻击效果。随着物联网时代的到来，这种漏洞已经屡见不鲜，各种漏洞组合利用也是千奇百怪、五花八门，这里总结漏洞是为了更好地应对和预防，如有不妥之处还请业内人士多多指教。0x01 背景2014年4月，在比特币飞涨的时代某网站曾经..._使用物联网漏洞的使用者

Visual Odometry and Depth Calculation--Epipolar Geometry--Direct Method--PnP_normalized plane coordinates-程序员宅基地

文章浏览阅读786次。A. Epipolar geometry and triangulationThe epipolar geometry mainly adopts the feature point method, such as SIFT, SURF and ORB, etc. to obtain the feature points corresponding to two frames of images. As shown in Figure 1, let the first image be and th_normalized plane coordinates

开放信息抽取(OIE)系统（三）-- 第二代开放信息抽取系统(人工规则, rule-based, 先抽取关系)_语义角色增强的关系抽取-程序员宅基地

文章浏览阅读708次，点赞2次，收藏3次。开放信息抽取(OIE)系统（三）-- 第二代开放信息抽取系统(人工规则, rule-based, 先关系再实体)一.第二代开放信息抽取系统背景第一代开放信息抽取系统(Open Information Extraction， OIE， learning-based, 自学习, 先抽取实体)通常抽取大量冗余信息，为了消除这些冗余信息，诞生了第二代开放信息抽取系统。二.第二代开放信息抽取系统历史第二代开放信息抽取系统着眼于解决第一代系统的三大问题: 大量非信息性提取（即省略关键信息的提取）、_语义角色增强的关系抽取

yolov3算法详解_2020年阿里-算法工程师面经-程序员宅基地

【阿里云1面（算法实习生）】

【阿里云2面（算法实习生）】

【阿里云3面（算法实习生）】

【阿里云4面（算法实习生）】

【陌陌科技（计算机视觉实习生）】

【网易（AI研究员）】

【华为（算法工程师）】

【京东（技术管培生）】

智能推荐

稀疏编码的数学基础与理论分析-程序员宅基地

EasyGBS国标流媒体服务器GB28181国标方案安装使用文档-程序员宅基地

【Web】记录巅峰极客2023 BabyURL题目复现——Jackson原生链_原生jackson 反序列化链子-程序员宅基地

一文搞懂SpringCloud，详解干货，做好笔记_spring cloud-程序员宅基地

Js实现图片点击切换与轮播-程序员宅基地

tensorflow-gpu版本安装教程（过程详细）_tensorflow gpu版本安装-程序员宅基地

随便推点

物联网时代权限滥用漏洞的攻击及防御-程序员宅基地

Visual Odometry and Depth Calculation--Epipolar Geometry--Direct Method--PnP_normalized plane coordinates-程序员宅基地

开放信息抽取(OIE)系统（三）-- 第二代开放信息抽取系统(人工规则, rule-based, 先抽取关系)_语义角色增强的关系抽取-程序员宅基地

10个顶尖响应式HTML5网页_html欢迎页面-程序员宅基地

计算机二级考试科目,2018全国计算机等级考试调整，一、二级都增加了考试科目...-程序员宅基地

conan简单使用_apt install conan-程序员宅基地

推荐文章

热门文章

相关标签