字节跳动算法实习生面试

字节跳动算法实习生面试（2019年）

一、初面（11月18日，10：30AM，牛客视频面试系统）

1.        自我介绍（讲了个人信息以及超分辨率重建项目，没有讲竞赛）

2.        说一下自编码这个网络结构（因为项目介绍的时候提到了这点）

3.        超分辨率用的什么损失函数？（MSE, RMSE，感知损失等）

4.        图像分类一般用什么损失函数？（回答交叉熵）

5.        那说一下交叉熵的形式吧？可以写下来，讲一讲怎么来的？

举了逻辑回归中的交叉熵损失，然后讲了公式变换以及对数似然等；

6.        如果数据集有20%的噪声数据，会有什么影响？可以按照上面写的损失函数来想？

感谢面试官提示，刚开始挺懵的，没太懂面试官考察的点。略微思考了下，回答的时候感觉逻辑上出了问题，所以停下来向面试官要了一些时间重新思考（面试官很友善地同意了，感谢）。经过一番梳理，定性地解释了模型对于噪声的表现及反映出的问题，仅此而已，其他的实在是get不到了（菜鸡）。

7.        对图像分类网络的发展历程和进展有了解过吗？比如resnet, inception这些。

仅就个人使用和了解的网络结构向面试官说明了下，按照竞赛和项目时间分别说了ResNet，Inception（由大卷积核到小卷积核，再到不对称卷积核），

8. ResNet V1到V2的改进有了解吗？

这个真没注意区分过，基本上都是按着resnet的思想，自己写res-block模块。

9.        那ResNet的下采样过程是怎么样的？

讲了res-block的跳跃连接，以及连接前后的shape保持（通过padding保持shape不变）

10.    卷积操作的参数怎么计算？参数量呢？

这是两个问题，不过是连着问的，所以放在了一起。这一块算是常规题了，笔试遇到过多次，依着个人理解，讲解了下。不过感觉表达上可能还有些逻辑混乱。（后面提问环节就这个问题跟面试官提了下，面试官说是有规定，不能当面评价）

11.    下面是算法题。

给定N种不同颜色的球以及每种颜色的球的数量，把它们放进一个容器里面，随机抓取。要求写程序实现该功能，并且要按照每种颜色球的概率返回对应的球的编号。

比如，有A, B, C 3种颜色的球，数量分别是1，2，3。然后把它们统一放入盒子里，随机抓取（使用random随机生成(0, 1)之间的小数），要求按照它们各自的频数返回对应的颜色的球。

解答思路；

正巧研究了下k-means++的算法原理，按照这个思路，比较简单快捷地实现了下。尴尬的是，中间有其他开会的人误闯进来（幸好我是在他们前面预定的会议室），然后敲代码的过程中又忽然间断线了（第一次面字节的时候网络卡到爆，这次用自己的流量开热点还掉线，简直哭晕在厕所，幸好提前把思路提纲写在了代码编辑区域）。

import random
def calc(N, CS):
    """
    :param N:  表示小球的颜色数量
    :param CS: 表示每一种颜色的小球数量
    :return: 随机抓取的小球颜色编号
    """
    # 计算小球总数
    dsum = sum(CS)

    # 存储每种颜色的小球的概率
    ps = [0]
    for i in range(N):
        ps.append(CS[i]/dsum)

    # 按照概率划分区间
    dct = {}
    tmp = 0
    for i in range(N):
        ps[i+1] += ps[i]
        dct[(ps[i], ps[i+1])] = i

    tn = random.random()
    print('random int: ', tn)
    rst = 0
    for ky in dct.keys():
        if ky[0] <= tn < ky[1]:
            break
        rst += 1
    print('number of colors: ', rst)
    return rst
    pass