快手C++一面面经
和其他人发布的面经里面的问题不一样，今天面试官基础问题问的不多，聊了很久的项目相关。然后因为我之前实习是推荐相关的（感觉他也是做这块的），所以问的问题集中于推荐系统这块。
1. tensorflow 和pytorch有什么区别？
2.可以说一说tensorflow或者pytorch的底层内存模型吗？（不会）
3.如果有一个非常大的模型需要部署在计算集群上，可以怎么做？（我说不会，他提示说计算图，然后我反应过来计算图可以切分然后分别部署在不同机器上）
4.一个类似快手的大规模推荐系统有什么模块？这些模块哪些适合部署在CPU上，哪些适合部署在GPU上？（还是不会。。。）
5.了解embedding吗（只了解NLP里面的embedding）聊聊embedding的作用（降维）embedding适合部署在CPU还是GPU
6.如果gpu集群通信开销很大，怎么做能够降低相关开销（实在不了解这块，扯了一些资源调度什么的）
7.了解通信队列吗（不了解）
8.如何将模型进行分布式的管理
9.模型压缩（正好之前在用tf lite，然后聊到int8量化什么的去了）
10.写题写的是一道简单的bfs，没什么说的。
感觉自己不会的太多了，还有就是我投C++开发以为聊的更多的是基础问题，然后被问到大规模的分布式机器学习系统就完全懵逼了，so sad。
惯例发表情攒人品，求二面三面
