百度一、二面 凉经+吐槽

8.25投递

一面   8.28

1、自我介绍

2、本硕间隔工作

3、项目介绍SJL

4、后端软件框架

5、战场场景？

6、心跳包机制

7、项目介绍linux数据库

8、在线学习

9、tinyMl智能识别

10、推理框架、推理性能

11、指纹识别部署过程

12、感知训练量化、训练后量化

13、指纹与人脸的注册

14、模板的存储

15、上位机

16、推理工作、推理框架

17、编译器的构造、背景

18、目标无关的算子优化方法

19、OSI模型

20、TCP/UDP哪层

21、手动写算子？

22、深度学习模型框架

23、技术栈

24、C/C++内存分配

25、define与typedef区别

26、C++与C中typedef有区别吗

27、常量指针与指针常量区别

28、手撕：链表翻转  递归与非递归

29、反问

二面   9.05

1、自我介绍

2、项目介绍sjl

3、后端软件框架

4、tinyML项目

5、模型到部署的过程

6、性能问题怎么解决

7、指纹识别优化过程

8、知识蒸馏过程

9、MAE   KL散度

10、一般什么网络

11、量化：QAT、训练后量化

12、QAT的原理，怎么适应精度跟部署

13、训练的过程

14、前向计算loss，反向计算梯度

15、正式训练与量化训练

16、GPU训练，单卡与多卡训练的区别

17、多卡间的梯度怎么合并

18、per tensor 和 per channel量化？

Per tensor 是说一个 tensor 里的所有 value 按照同一种方式去 scale 和 offset；per channel 是对于  tensor 的某一个维度（通常是 channel 的维度）上的值按照一种方式去 scale 和 offset，也就是一个 tensor 里有多种不同的 scale 和 offset 的方式（组成一个vector），如此以来，在量化的时候相比 per tensor 的方式会引入更少的错误。

19、使用的库

20、量化的原理、好处

21、量化的精度损失

22、算子开发有涉及？

23、遇到的精度问题

量化、蒸馏、多监督、分类与匹配占比导致外来指纹难以识别

24、遇到的性能问题

存储、残差实现导致溢出

25、什么编程语言比较熟悉

26、const关键字作用

27、const指针修饰

28、static作用

29、static函数

30、纯虚函数

31、多态实现与原理

32、c内存布局，程序怎么执行

33、RAII

34、操作系统进程通信、线程通信方式

35、为什么线程不能使用socket、管道

36、多线程死锁有遇到过吗？