移动研究院 算法一面

哈哈，很奇怪的是移动研究院面试在移动笔试前一天！岗位：算法工程师/后端开发可以选9月份投递一面：10月25日笔试：10月26日再次笔试：11月2日二面：在等待主要问题：    简历面！    八股：deepcopy 和 copy的区别    手撕    工作地点考虑：北京 和 西安#运营商笔面经互助#

概述：10月12日一面，面试官主要问项目（sylar的webserver，做这个项目的可以参考下），问的比较犀利，30分钟不到结束。后续二面由于时间冲突，拒绝后再无消息，面试时间不能协商且提前一天发面试就很抽象。面试流程：1.自我介绍2.介绍项目3.采用的是什么调度算法（FIFO，讲线程）4.协程任务队列是怎么设计的，数据结构是什么（链表）5.所有线程都访问同一个协程任务队列的并发导致锁的颗粒度比较大，如何解决（可以给每个线程分配单独的协程任务队列）6.各线程单独的协程任务队列协程数量不均匀怎么办（学习go的思想，偷其他队列的任务，再偷全局队列，每次偷一半）7.协程是怎么实现的（封装ucont...

自我介绍手撕算法介绍LSTM，有几个门，和GRU以及RNN的区别。LSTM有输入输出遗忘门，GRU有重置更新门。都是RNN的变体。LSTM是怎么解决梯度消失问题的？cell state的加法可以使梯度大于1，逻辑门参数可以一定程度上控制梯度消失。LSTM和GRU哪个训练得更快？GRU更快。transformer的encoder和decoder有什么不同？结构上和任务上。transformer的decoder为什么要用掩码？swin transformer的优势。梯度反向传播的原理。链式求导得到误差对于各个权重系数的偏导，然后通过梯度下降算法更新权重，从而最小化损失函数。常用的优化器有哪些？transformer为什么在大批量数据上表现更好？自注意力机制和分布式并行训练。RNN变体有训练瓶颈吗？有，梯度消失或爆炸。反问。部门以及团队情况。

这个被挂了 我真的十分后悔 呜呜呜 怎么当时没好好听课捏