地平线实习生【一面|凉经】
4.18出结果了，凉了。可能是方向不匹配，我硕士一直做外骨骼和脑电的。
--------------------------------------------------------------------
先说一下我的情况，本科的时候接触过一些智能车相关的项目。硕士课题也用深度学习来做一些分类，基本就是一些调库。这种程度做算法肯定是不够的，想着投个中小厂试一试。但是地平线的感知算法和地图定位都简历挂了。这个深度学习架构工程师倒是过了，可能看到我写了熟悉C++。
1.首先是自我介绍，我说我的方向，科研项目，然后用到的一些技术。问了科研项目我负责具体的内容。
2.他让我介绍自己的项目里面和深度学习最相关的一个，我说了一个人工智能竞赛的项目情况，主要是用CNN对信号进行二分类。这里他打断了我，问我信号的构成。我说是N个通道的信号，他又问具体每个通道是什么size；我说是时序的一维向量，可以看作横坐标为时间纵坐标为电流值的大小。然后问我这个项目的创新点，以及为什么要采用这个网络。问我用C++对时序信号分类可以吗？我说我这个信号的采样频率很高，1000HZ，然后我是先用滑窗把每个分割成0.25s的时序片段，然后用空间滤波器提取特征，这个是一个极短时间的特征，可以看作一个瞬态，所以不考虑时间的影响，每个window就是一个sample。然后问我这个项目的数据集大小，我说可能2000个特征矩阵，他说这个量很小，我说是的。
3.问我在深度学习中遇到的问题，如何提高其性能。我说了我的一个改进过程：最开始用的一个八层的CNN，后来发现效果不好，就进行基本的调参（学习率、dropout、BN等），后来换了一个结构变成了六层的CNN。这里他打断了我，问我这个网络是不是自己提出的，我说是参考论文的。然后我继续说这个六层的CNN的调参过程。
4.他问我为什么要用浅层的CNN，我说因为深层的容易过拟合。他就问了哪些方法可以防止过拟合？我说：dropout,正则化L1&L2,BN,bagging训练弱分类器。
5。他说用过BN(batch normalization)那讲一下它的原理，我说是减少训练过程中参数分布的偏移，减少训练过程的开销。然后问我BN的实现原理是啥，我想了一下，没答上来，说它跟L2差不多（我是想说它的效果和L2差不多）。
然后他就说那讲一下L2。我说L2就是在损失函数后面加一个惩罚项，然后再优化的时候可以让训练参数接近于0。他问为什么可以接近0，以及为什么叫L2，我说：因为是2范数（然后解释了2范数的定义），在优化时为了使得目标函数最小，则可以将惩罚项和损失函数放到等式的两边，则当损失函数的等值线和2范数相交的时候，大概率会接近于0。
6.问我有没有做过数据增强，我说之前那个项目有用过翻转或者加噪，这里他打断我，问我那个项目是时序信号，翻转的话时序信息不就被改变了吗？然后我又解释了一遍它是局部特征，时间很短，可以看作瞬态blabla。
7.他说L2说的差不多对的，但是BN和L2的原理不一样，让我下来再看一下。接下来问我熟悉哪个深度学习框架，我说pytorch.
8+.他说用pytorch写一个卷积层的类，我一听就懵了赶紧说我平时都是调库的，不会去实现它的底层。然后他说没关系，你先说一下卷积的原理，然后就慢慢写就可以了 。
然后我就一步步写，先是用python写的，发现自己对python的语言规范不熟悉，然后又改成了c++，然后花了接近半小时，在面试官的提示下大概写了出来一个类，包括forward函数，kernel的定义等几个成员函数。然后他看时间差不多了，就说到这里就可以，然后过了一遍代码，先是说我这个变量名起的太不规范，完全时力扣刷题的风格不够工程化；然后说了几个值应该定义在private中而不是public中，然后卷积部分有几个小错误，没有考虑多个卷积核的情况，vector应该先申请内存再由下标引用而不是push_back这样效率会更高。总之，有小错误挺多，但是总体框架是合格的。
9.然后就是反问，我问了实习内容，他讲了一堆，然后问了实习时长，基本就没有了。
不知道能不能过，不过这是我目前面过最专业和认真的面试，之前华为和荣耀完全就是唠家常，阿里也是（可能是因为没有hc了）
投递腾讯等公司6个岗位 >
腾讯一面1760人在聊
查看5道真题和解析