腾讯一面面经(PCG)

问简历,使劲问。。。

没准备好的有:跟non-local有啥区别? 还有哪些排序的loss,跟你项目相关的有 pose estimation, 行人检测,人脸识别,你对哪个比较熟?讲一下吧。。。。我。。。人脸? 然后人脸loss讲一下吧。。。。瞎扯一通,面试官说你不记得了吧。。。。

其他的,问对经典网络有什么了解,除了resnet以外,讲一下googLeNet有什么亮点?回答了多尺度卷积,batchnorm, 1xn和nx1的可分离卷积,又问了可分离卷积还在哪些网络上有应用?(回答shufflenet, 面试官说应该是mobileNet) 3D的卷积了解过吗?能分离卷积吗?回答(2+1)D。 然后又问了shuffleNet有什么特点,除了shuffle以外。哦还问了GoogleNet相对与Alexnet有啥改进,我说了把大的卷积核改小了,7x7的大卷积核改成了三个3x3,5x5的卷积核也能用两个3x3代替。接着问,有啥好处?还问两个3x3就对应一个5x5吗?我说看stride, stride=1的情况下就是这样。 

Alexnet 有了解吧?好几个很大的全连接层,用了一个dropout 的操作,你讲一下dropout吧?为什么测试时候要scale?(训练测试应当保证分布一样)为什么有用,你分析一下?你觉得跟哪个传统机器学习算法比较像?(RandomForest) 你自己分析的还是看到的?跟adaboost像不像?

场景题:视频去重,千万级数量,如何处理?怎么训练好的特征提取器(triplet)

代码题:两数之和+快排

你可能感兴趣的:(面经)