海康威视-高性能计算-面经

刚研一 计算所hpc跟导师做高性能方向，组里都是做算法优化和gpu加速那一套。cpp用得很多。看了很多面经，都是前后端业务开发。想问下这个方向能找什么工作啊，很迷茫。也找不到差不多方向的面经。 #求助#

bg：四非本华五硕方向：AI infra战况：面了上百次，截止目前0 offer，5池子（一中厂，一小芯片公司，小米，华为，腾讯）感觉今年Ai infra的要求明显比去年高的多，一些中小公司的hc明显少的多。好累，这秋招快过去吧。最近总在想进去私企是为了啥？

10月23日 一面自我介绍介绍transformer架构，说了encoder block包含哪些层，讲了add norm，推了一下QKV公式，简单讲了一下encoder only和decoder only挖项目： 为什么用lstm做缺失数据填充： 任务可以被抽象成时序任务挖项目：为什么把脑电信号抽象成图懂模型压缩/知识蒸馏吗？不懂懂大模型finetuning吗？不懂，懂prompt engineering被告知主要做端策部署，到这里就懂了反问，主要做什么业务的，为什么选鸿蒙作为公司发展方向端测部署为什么要求模型压缩/量化，直接部署在云端的问题是？面完就知道凉了，因为方向不一样。第二天收到感谢信。

自我介绍； 针对项目： CNN模型、损失函数、评价指标、改进方向、计算加速； CNN模型 CNN，即卷积神经网络，是一种专门用于处理具有类似网格结构数据的深度学习模型。它通过卷积层和池化层提取图像特征，并通过全连接层进行分类或回归预测。CNN在图像识别、目标检测和图像生成等领域取得了巨大成功。 具体来说，CNN的模型结构包括输入层、卷积层、激活函数、池化层、全连接层和输出层。输入层接收图像数据，并将其转换为CNN可以理解的数字形式。卷积层通过滤波器（卷积核）对图像进行卷积运算，提取图像特征。激活函数如ReLU、Sigmoid等，用于引入非线性，增强模型的表达能力。池化层通过最大池化或平均池化等...