中科曙光

面试官多次打断我的回答，态度不好，说话阴阳怪气，非常不尊重被面试者，狠狠避雷。

一面时间：2024-09-13：https://www.nowcoder.com/discuss/664137028711301120二面时间：2024-09-23：https://www.nowcoder.com/discuss/667746133258539008岗位：C/C++研发工程师（人工智能）；时长：20min；自我介绍；实习经历体会；项目体会；对城市的选择；岗位在青岛，能否接受；行业的选择；是否考虑芯片行业；目前有没有offer；期望薪资；其他offer开奖了吗，薪资怎样；学校三方开没开；其他公司有没有逼签；反问：出差和工作强度；后续：测评7天内完成；十月中下旬谈薪资。

投的是c++岗，但捞出来的是gpu计算优化。两天速通两面泡池子，发一下面经。一面1，cuda的内存结构2，寄存器的漫溢问题3，一个线程所需要的寄存器数量是否是越少越好4，有什么好的方法来规避溢出的问题 5，cuda编程中共享内存的半个冲突是什么情况6，cuda流7，有访问的优化计算方式8,float49，大模型哪些是decoderonly，哪些是encoder-decoder的模型11，bn和ln的区别二面1，cuda如何设计kernal2，实现两个矩阵的相乘优化3，lfu机制如何用4，blockId和blockDim的常见使用场景5，扩散模型如何抑制去噪的多样化6，扩散推理过程中如何保证内存的优化使用7，如何在encoder-decoder中增加跳跃链接加速训练

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...