360 视觉岗二面面经 有几道题题目都不太懂，😂帮忙解答下

因为认识到自己的不足，所以也没想要面过，抱着要挂的心态去面试，不计较得失，真的会轻松很多。

一面：

1、逻辑回归推导，梯度下降，参数更新。

2、模型压缩一些，深度可分离卷积，模型量化。

3、尝试过BN层和卷积层相结合吗？（这个没听过诶，但是我是做超分的，一般不用BN层）

4、模型是自己写，还是改个输入输出。怎么设计模型。

5、两个有序链表的合并。

6、用什么优化器。

7、GAN网络的loss函数。

一面挺基础的…就过了。

中午在等二面，睡了个午觉…

二面：

1、GAN网络loss函数，wgan，wgan-gp怎么实现。

2、上采样的方式。

3、反卷积和空洞卷积。（居然忘了反卷积怎么使图像变大）

4、topk 写了堆排。

5、subpixel。

然后开放题…我真的不会开放题，这也是我放弃做算法的原因，我真的是个很没有创新精神的人，还有畏难情绪…开放题每次都不知道怎么答。

7、很经典的问题，实现shuffle。1000个数随机选10个

给出了两个方法。

（1）每次random一个数，然后从arr里remove它，再random一个。10次。面试官说，如果不是选10个，而是选很多个，复杂度太高，不可以～

（2）遍历数组，每次random一个数的到index，交换当前和arr［index］

还是不对…然后也没听懂面试官说的方法😂。

8、读入一张图片，怎么快速读入。就比方说训练的时候，每次读入的话会很慢。

😂没听太懂。然后我就说tfrecorder，面试官说这个只对tf适用，要一个通用的，然后说存成二进制（想的是类似caffe那种，raw格式数据）。面试官说要考虑头信息什么的…因为c++之类的完全不熟，也不懂这个问题，就直接说不会了。

因为没有的求生欲，遇到不会的题就直接没有深入询问面试官，感觉自己面对开放题总是这样，不积极和面试官探讨，而且面对开放性的难题不知道如何思考，有畏难情绪。

感觉真的不适合做算法啊，死背概念真的是不行的，而且算法就是要迎难而上，有创新精神吧…😂这方面完全不行。

以上两个开放题，有会的可以给我讲下吗。