作者：BiaoLiu
来源链接：https://www.nowcoder.com/discuss/277098
声明：本文仅用于学习交流，非商业用途，如有侵权请联系删除～
秋招笔记
2020届秋招这场没有硝烟的战争真的可以说是死伤无数，很“庆幸”自己就在这场战争中摸爬滚打，“人工智能算法爆炸”这个词比“梯度爆炸”出现的都频繁，而计算机视觉算法工程师基本就是爆炸的中心，身边太多人没有爬上岸淹死了，看着身边的好同学签了中兴，广联达（没有鄙视中兴和广联达的意思，在视觉上他们确实不敢恭维）......心里有种说不出来的感觉，自己也是一样，做了20+家的笔试石沉大海，也有连续3次拒绝信的，还有被放鸽子的，里面的酸爽谁经过谁知道。给面的也是在面试中感觉自己就像条破船，面一次被凿了个洞，又一次又一个洞，总担心直接翻船。不过自己也很庆幸，抱着实验室几条粗壮的大腿上了岸，现在自己的秋招基本结束，故写此文作为总结（方向：Object Detection）。
面试经验
Q1：介绍项目。
Q2：为啥用YOLOv3。
Q3：SSD，YOLO有啥区别。
Q4：R-CNN系列和SSD本质有啥不一样吗？
不知道什么勇气让我第一次面试就去面了Tencent AI lab。当时是真的菜（现在也很菜），根本没看过论文，可以说对SSD，R-CNN都没啥概念，理所应当的死掉了，其实老哥真的没难为我，那时候也是哥们实验室师兄想招几个检测的，我就无知者无畏上去了，然后成功的被炸死。从那开始基本就开始看论文，网络结构，刷题等等。
Q1：用什么框架。
Q2：会什么语言。
Q3：来了搞什么。
这个是我所有面试最轻松的，这也是我实习的地方，度过了挺愉快的3个月，遇到了几个大佬，也算收获挺大的。
一面：
Q1：项目介绍。
Q2：怎么加快网络的收敛。
Q3：考虑过loss没有。
Q4：怎么消除误检漏检的。
二面：
Q1：RPN怎么做的。
Q2：SSD和Faster的区别和联系。
Q3：Test的时候如果RPN网络分类错了，把背景扔到后面的分类网络了怎么办。
俞凯老师亲自面我，主要针对faster rcnn的提问。这个回答的都挺好的，俞凯老师很满意，就收到了第二实习offer。
Q1：VGG网络讲讲怎么做的。
Q2：Resnet为啥能解决梯度消失，怎么做的，能推导吗？
Q3：检测网络从Rcnn到SSD搞了一波。
Q4：过拟合欠拟合为啥？
Q5：怎么解决过拟合。
Q6：loss计算，做一个3分类，给了3个值，输出一个3*3矩阵，求CE的值。
平安科技真是大坑，问的问题我基本都回答对了，代码我也写出来了，面了我75分钟没信了，发邮件也不回，秋招又开始疯狂打电话，真是丑人多作怪。
一面：
Q1：特征提取网络问了一遍。
Q2：检测的基本网络问了一遍。
感觉老哥基础知识不是很扎实，有些问题被我反问了。
二面（主管面）：
Q1：检测论文看过没？
Q2：对检测的问题有啥看法。
感觉大华的面试真的不难，一面老哥感觉没难为我，二面老哥主要谈看法，就这样稀里糊涂的上岸了。
Q1：说下mobile net和resnet在特征提取上的本质不同。
Q2：这两种网络使用的场景和原因。
感觉被唬住了，特征提取的本质不同，现在想想不就是可分离和残差嘛。
一面：
一个感觉刚刚入职的小哥，就问了些VGG的内容，还问我为啥你们都不用VGG了。
二面：
Q1：LSTM有多少输入和输出。
Q2：过拟合，怎么解决过拟合。
Q3：Dropout在神经元里这么做的，在CNN卷积中怎么做的。
Q4：知道PCA吗？
Q5：两种有关联的特征去预测另一个特征，会有影响吗？有的话怎么消除。（比如体重和年龄去预测身高，年龄大 体重也会重一些，这会影响对身高的预测吗？）
感觉是一个交叉面，这老哥应该是搞推荐的，也是学习到了。
一面：
Q1：介绍项目。
Q2：为啥用YOLOv3，这个网络真的好吗？
Q3：YOLOv3框是怎么聚出来的？
Q4：YOLOv3有没有很致命的问题？
Q5：SSD和YOLO本质的区别。
Q6：SSD的致命缺点，如何改进。
感觉遇到了一个技术小姐姐。
二面：
Python语法题42道，30分钟做完。
没想过去，就随意给人家要价，然后就没然后了。
Q1：讲项目。
Q2：怎么解决梯度消失和梯度弥散。
Q3：什么是过拟合和欠拟合。
Q4：BN怎么做的。
Q5：有些图像曝光不好怎么处理，用你刚刚说的方法。
虽然是个初创，但是感觉技术小哥还挺好的。
一面：
Q1：简历面。
Q2：把检测常用的网络操作了一遍。
Q3：针对Faster R-cnn的问题，如何解决后面FC过多的情况（就是想问R FCN，Light Head R-CNN论文）。
Q4：检测的框角度偏移了45度，这种情况怎么处理。
二面：
Q1：操作简历。
Q2：特征提取网络为啥发展成了现在这样。
Q3：常见的Loss，回归的，分类的，Focal Loss。
Q4：手撕代码（123->321）。
因为现场面的原因，这场面试充斥欢声笑语，我和小哥聊的十分舒畅。
三面（加面）：
Q1：简历介绍。
Q2：项目介绍。
Q3：手撕快排。（大概2分钟不到写完了）
这老哥是搞大数据的（哈哈也是因祸得福了），老哥看我写完代码人有点傻了，让我讲了一波直接让我去找HR了。第一次现场面，感觉自己还是更适应这种能互相交流的现场面，氛围可以自己调控，不会的也可以互相表达。
一面：
Q1：操作简历。
Q2：检测的网络。
Q3：YOLOv1到v3的发展历程以及解决的问题。
Q4：SSD和Faster的本质区别。
Q5：手撕冒泡（感觉智商收到了极大的侮辱）
Q6：M个村庄，修N条通道，判定能不能互相到达（图是否连通）
感觉这老哥没睡醒，我疯狂讲这老哥疯狂打瞌睡，2333。。。
二面：
Q1：为啥从嵌入式转到图像。
Q2：中间怎么实现转型的，遇到了什么困难。（顿时很慌，难道让我转行？？）
Q3：过拟合和欠拟合，怎么解决的，为什么能解决。
Q4：遇到过梯度消失没？你常用的框架怎么知道梯度消失了。
Q5：python用的多那咱们问些CPP吧，C++有多少数据存储区，全局变量存在哪个区。
Q6：申请的数组执行delete的时候底层是什么实现的。
Q7：多态是什么？
Q8：如果申请的一个二维的数组，但是你删除了头会怎么样？这样是不是内存泄露。
这老哥是做落地的，问的问题都比平时的多一步，比如说解决过拟合用Dropout，他会问为啥能解决。四小龙之一的云从科技感觉面的也没那么难，我猜可能是因为想扩充公司，哈哈哈。
一面：
Q1：一个搞深度学习的老哥，给我简历操作了一下。
Q2：手撕IOU。
感觉到这个时候只要是一个搞深度的人都还可以聊聊了（BAT，商汤旷世除外，啊哈哈哈）
二面：
Q1：问简历。
Q2：手撕代码（总数为M的细胞分裂，每个细胞分裂的概率是50%，一个小时分裂一次，一个小时后总数大于1.5M个概率）
Q3：手撕代码（ABC的全子集）（代码没撕出来，自己的原因）
真的还是挺想吐槽下华为的面试的，说话谁用谁面谁面谁录呢。这是一个看起来40多岁老哥（真实年龄不详），我对着简历一顿讲，他一顿记，最后问了我一句什么是过拟合什么是YOLOv3，哈哈，瞬间想起了西虹市首富里庄强记笔记，你记的是个鸡儿啊你。
一面：
Q1：问学校，为啥本科成绩好研究生成绩不好了。
Q2：项目怎么做的，背景是啥。
Q3：工作意向。
两位不懂CV的面试官，就任我发挥了，那个老阿姨一直对着微笑真的是笑的我发毛。
二面：
Q1：项目。
Q2：工作意向。
综合面（谈工资）：
Q1：快排思想。
Q2：堆排思想。
给了15K，Deadline是16.5K，就没多谈。
到今天秋招的互联网也是基本结束了，有些公司不敢投（比如字节，阿里），有些公司不想投（比如拼多多），出去这些不敢的和不想基本把能叫上名的公司投了一遍，笔试也没少做，但是面试的少之又少，CV算法真的太恐怖了今年。很庆幸自己能顺利上岸。总结自己的秋招路程，大大小小的面试搞了10几家，也在面试中学了不少东西，但是更多的是意识到了有很多很多不足，CPP，深度学习，图像理解，论文量，Linux甚至是Python这些都有着多多少少问题，接下来三个月说长不长说短不短，准备安心投入到科研里，多复现一些Object Detection的论文，系统的学习Python，熟练一个框架，尽量去公司能早一点下班，2333。