2020春招实习面试
我是2021届毕业的松菇，求职意向是计算机视觉算法工程师，研究生主要做目标检测物体分类以及行人重识别这样。我在找实习的时候，一开始心里也很没底嘛，就都投的小一些的厂，后面收到一些offer有信心了就开始投大厂了，主要采用的海投战术。
三月上中旬：在BOSS上投了合肥某小公司，然后又投了奥比中光，合肥的科大讯飞，格灵深瞳，还有平安科技，小马智行，美的AI研究院等
三月中下旬：快手，字节，阿里，腾讯，网易，百度，京东，OPPO，华为等等
简历挂的：字节（当天就恭喜我进入人才库了，心情很激动），小马智行，快手（挂了，白做了测评和笔试，笔试做的不错也挂，气人）
主动放弃：美的AI研究院（实习薪资太低，进去还得倒贴。。），平安科技，合肥格灵深瞳（笔试让三天去他那个做题平台做三道题，每题100分，达到200分以上再面试。感觉是宣传他的做题平台的。。）
一些经验：
- 一开始可以投一些稍微小一些的公司和不是非常想去的公司，锻炼下自己如何把项目讲得逻辑清晰，要不前面几次面试自己难免比较紧张一些，可能逻辑表达上有些不清楚。通过几次面试的讲解，自己陈述项目就会更熟练，而且也慢慢改进表达的方式。而且有了一些offer后，心里也会比较有底了，不至于太慌乱和自我否定。
- 可以准备一个PPT，PPT中详细记录自己的项目，这样打电话面试的时候就可以看着PPT讲解自己的项目了。
- 要准备一个可以聊时间比较长的，做的比较深入的项目。很多次面试发现面试官可能只是让我主要介绍一个项目，后面的一些项目可能就直接对着简历看看或者直接问下。因此必须准备一个可以讲述时间长一点的项目，这样面试官才没有更多时间问一些“基础问题”。对于自己的简历项目需要深挖，面试官的问题往往都是跟你简历项目是相关的。
- CV的话需要讲述清楚前因后果。例如你项目采用的SSD，那得说明为什么选用SSD而不是YOLO，backbone选择VGG为什么没有选择其他的。很多问题得把“故事”讲清楚，每个改进的依据是什么需要讲清楚。
合肥某小公司（offer）：
主要就是自我介绍，谈谈项目，然后技术问题，谈实习和转正期望薪资。后面有了奥比中光的offer就把拒了，给的实习薪资与BOSS上不相符啊
- Linux如何查看进程 PID，那如何查看特定的
- Pytorch节省显存的一些方法
- C++会不会
- gcc的一些编译指令
奥比中光（offer）:
自我介绍，谈谈项目，然后技术问题，有什么问我的
- C++会不会 （当然说自己C++还可以啦，不过面试官也都没继续问C++）
面试官主要做的3D方向，因此没有问太多这方面问题，主要就针对项目问了问。面试过程还是非常好的，不过做的方向偏向3D，进去做深度估计和立体匹配。
科大讯飞（offer）:
自我介绍，谈谈项目，然后技术问题，有什么问我的。面试官说主要做讯飞底层库的优化，因此项目也木有问太多，考基础多些
- Mobilenet在GPU跑有实测过吗？
- 有了解一些推理框架吗
- 对NLP有了解吗
- C++会不会
- 设计模式知道哪些
- Pytorch源码有阅读过吗
- TOPK问题，有哪些解决方案，推下快排的复杂度，推下堆的复杂度，堆中有多少元素？
京东（offer）:
流程基本都差不多，自我介绍，谈谈项目，然后技术问题，有什么问我的。
让朋友帮忙推的，做的方向和我也非常匹配，面试过程聊得也很开心，互相都很满意。
- 小目标这方面有什么好方法
网易易盾（被拒，方向不匹配）：
在BOSS上投了一次，官网上又投了有道和雷火。打电话说是网易易盾，可能是BOSS上投的吧，那还投了挺久了。约好时间就开始面试啦，感觉面试官好像不是做这个方向：
主要就是针对项目进行了一些提问
- 你为什么没有直接用ResNet18,而是VGG进行改进
- 如果直接使用MobileNetV3作为Backbone跟你这个比怎么样
- 分辨率如果增大对于速度会有很大影响，你是怎么抉择呢？
- 你觉得全连接层，池化层，卷积层这些对于模型速度哪个影响更大？这些对模型参数量哪个更大？
- 你说你是全卷积的，这点是怎么体现的？
- 空洞卷积会对网络参数量和运行速度有影响吗
腾讯（要HR面了）：
腾讯被捞了两次，第一次挂了，后面隔了几天又被捞起来了
1. 简历面
主要还是聊聊项目之类的，面试官可能也不是做目标检测的，因此问了蛮多基础的
- 激活函数知道哪些，发展是怎么样的
- 优化器知道哪些，不同优化器的本质区别是什么？
- 正则化技术了解哪些
2. 第一次初试
这次面试体验极差，过程很尴尬，面试官是做大数据和推荐的。首先还是自我介绍，然后讲一个觉得做的最满意的项目，讲着讲着就被打断了，因为面试官不做这个，完全不知道我在说啥。就开始问我其他问题了
- 编程语言会哪些，我说Python C/C++,他问我JAVA会不会（不会）
- hadoop spark会不会（不会）
- GBDT XGBoost都会不会（不会）
- 推荐 大数据会不会（不会）
- 说说你的优点吧（可能不知道聊啥了。。）
就这样结束了诡异的一面，很快官网就被挂了。不太了解做的都不一样干嘛还要捞啊。。
3. 第二次初试
上次被面的心有余悸，怀疑人生，期待这次面试官跟我做一个方向吧。所幸这次面试官还是很靠谱的，知道我都是做些什么，主要就是聊聊项目，谈谈实习大概做啥，就愉快的结束了一面。
4. 复试
这次复试印象非常深刻，面试官水平真的很高，完全了解我在做什么，并且问的很深入
- 对于目标检测正负样本不平衡，有哪些方法呢？除了OHEM和Focal loss还有什么？（回答RefineDet）,RefineDet具体又是怎么做的？两阶段目标检测是怎么做的？
- 目标检测网络从头训练需要注意哪些问题？kaiming那篇论文实验部分你觉得OK吗？有哪些不足？用在单阶段是不是成立呢？
- 多个数据集一起训练会有什么问题？SYSU数据集和PRW数据集你具体看过吗？与VOC COCO数据集的标注风格有什么不同？
- ResNet一开始的7*7卷积能不能替换成3个3x3卷积？为什么？性能有所提升的原因是什么？
- FLOPs有了解吗？你改进后的模型的 FLOPs 是什么量级呢？
- 适合 GPU 运行的模型应该是怎么样的？
面试完人都有点懵，感觉自己很多地方还是做的不够深入。真的很佩服这个面试官，第一次感觉面试压力这么大，晚上查看面试结果，还是通过了。
阿里巴巴新零售（offer）：
0. 简历面
先问了我一些基础问题，再进行项目介绍提问什么的。让我赶紧把测评做做，不做好像不能继续走流程。
- sigmoid的数学公式
- softmax的数学公式
- YOLO的输出是什么？代表什么意思？
- 然后开始了项目介绍，交流了项目的一些问题
1.一面
面试官也超级奈斯，跟我说测评笔试都过了，然后开始我的自我介绍和项目介绍，问题也都基本类似，后来说我项目主要都是SSD YOLO，问我了解其他的吗？（了解的，两阶段的Faster RCNN anchor free的CenterNet FCOS 还有RetinaNet什么的都了解。）然后居然也没继续问我这些，总体面试体验还是很好的，聊得也很好。还跟我说了接下来的面试流程，下一面会是主管面，后面可能还有交叉面。
- 数据增广有使用吗？对于数据增广有什么经验？
- 项目的行人重识别模型简要介绍，精度怎么样？要检索的库是多大
- 如何继续在落地场景改进你的这个行人重识别呢
2.二面
二面感觉是个部门大佬，首先还是熟悉的自我介绍，然后针对简历问我项目落地的一些问题
- 对于行人重识别的落地有什么难点
- 行人重识别的未来发展是怎么样
- 行人重识别有哪些落地场景
3.三面
三面是交叉面，其他部门的人来面试的
- 对于行人重识别的落地有什么难点
- MobileNet系列介绍，从v1~v3
- 你的优势是什么
4. HR面
- 自我介绍
- 项目的一些介绍
- 你的优势和劣势是什么？