yolov3算法详解_2020年阿里-算法工程师面经-程序员宅基地

技术标签： yolov3算法详解  

写在前面：暑期实习从申请到拿到阿里意向书大概持续了1个月的时间，和周围其他同学比较，我的面试流程算走的比较快的了。还没有拿到意向书的朋友们也不要太着急，调整好心态好好准备（虽然内心多多少少会有些焦虑），阿里走流程算是比较快的了。希望能对求职的你有所帮助。

【阿里云1面（算法实习生）】

1、自我介绍、项目介绍

2、死锁出现的原因以及如何避免

雾夜飞鹰：死锁产生的原因及四个必要条件​zhuanlan.zhihu.com

3、算法题：畅通工程

【算法笔记第9.6节-并查集】问题 B: 畅通工程​blog.csdn.net
d0d89acb602441ee2f6f94cd78393911.png

个人感受：基础层。没有细问项目，聊了一些分布式训练、操作系统相关的东西，因为我说我不会，所以都是面试官在教我，基本没怎么问问题，最后要求用C++写一道medium算法题。面试官很和善，算法题没写出来，还给我提供了思路，感谢。

【阿里云2面（算法实习生）】

1、自我介绍、项目介绍

2、梯度消失、爆炸原因及其解决方法

详解机器学习中的梯度消失、爆炸原因及其解决方法_网络_Double_V的博客-程序员宅基地​blog.csdn.net
34bdca5dafd80a5183d7d3283b083814.png

3、模型压缩的方法

SIGAI：深度学习模型压缩与加速综述​zhuanlan.zhihu.com
f5065d57bdf010bbf72e98f2dd24375f.png

4、介绍轻量级网络

小小将：CNN模型之SqueezeNet​zhuanlan.zhihu.com
cf5ab04a492b0eb01fd79abe9c7432e1.png
小小将：CNN模型之MobileNet​zhuanlan.zhihu.com
d041215156b91095dfb88c47cb799ab1.png
白裳：轻量化网络ShuffleNet MobileNet v1/v2 解析​zhuanlan.zhihu.com
7eaa1066da3b3d8397b9f9dfc7987549.png

5、介绍分布式训练

杨旭东：一文说清楚Tensorflow分布式训练必备知识​zhuanlan.zhihu.com
dea3752f04abe24c8e1e2aa62845727b.png

同步训练存在木桶效应，需要各个设备的计算能力要均衡，而且要求集群的通信也要均衡。

异步模式理论上存在缺陷，容易发生梯度失效问题，但因为mini-batch随机梯度下降本身就是梯度下降的一个近似解法，且即使是梯度下降也无法保证全局最优。

在实际应用中，在相同时间内使用异步模式训练的模型不一定比同步模式差。所以这两种训练模式在实践中都有非常广泛的应用。

6、pytorch与tensorflow的区别

景略集智：PyTorch VS TensorFlow：细数两者的不同之处​zhuanlan.zhihu.com
c9ab47e4673b073424f479abd3d23763.png

摘抄总结：

TensorFlow 是一款强大而成熟的深度学习库，有强大的可视化性能，以及用于高水平模型开发的多个选项。它具备生产就绪的部署选项，也支持移动平台。如果你符合以下情况， TensorFlow 会是个很好的选择：

  • 开发用于生产的模型
  • 开发需要在移动平台上部署的模型
  • 想要非常好的社区支持和较为全面的帮助文档
  • 想要丰富的多种形式的学习资源
  • 想要或需要使用 Tensorboard
  • 需要用到大规模的分布式模型训练

PyTorch 仍然是个比较年轻的框架，但发展迅速。如果符合以下情况，PyTorch 就比较适合你：

  • 正在做机器学习研究，或开发的产品在非功能性需求方面要求不高
  • 想要获得更好的开发和调试经验
  • 喜欢很有“Python 味”的东西

7、过拟合原因和解决方法

阿里云云栖号：深度学习揭秘之防止过拟合（overfitting）​zhuanlan.zhihu.com

8、bn层作用

天雨粟：Batch Normalization原理与实战​zhuanlan.zhihu.com
88721b94d3f4dafbce46daa51fed4adc.png

具体来说就是反向传播中，经过每一层的梯度会乘以该层的权重，举个简单例子： 正向传播中

，那么反向传播中，
，反向传播式子中有w的存在，所以
的大小影响了梯度的消失和爆炸，batchnorm就是通过对每一层的输出做scale和shift的方法，通过一定的规范化手段，把每层神经网络任意神经元这个输入值的分布强行拉回到接近均值为0方差为1的标准正太分布，即严重偏离的分布强制拉回比较标准的分布，这样使得激活输入值落在非线性函数对输入比较敏感的区域，这样输入的小变化就会导致损失函数较大的变化，使得让梯度变大，避免梯度消失问题产生，而且梯度变大意味着学习收敛速度快，能大大加快训练速度。

9、介绍网络：Faster-RCNN、YOLO、SSD、YOLOv1、YOLOv2、YOLOv3、Masker-RCNN、GAN

10、如何提升mAP，举个例子

11、如何解决不收敛的问题，举个例子

瓦娜与欧洛因：神经网络不收敛的11个常见问题​zhuanlan.zhihu.com
3015c23e3df90678ac6b641637935139.png

12、介绍优化器

深度学习--优化器算法Optimizer详解（BGD、SGD、MBGD、Momentum、NAG、Adagrad、Adadelta、RMSprop、Adam） - 郭耀华 - 博客园​www.cnblogs.com
e56df05f1eae8d777ef177edc080bea2.png

13、CenterNet的实现细节（argmax）

个人感受：应用层。2面问了很多项目上的细节以及基础知识，主要以检验基本知识体系为主。不会的我直接说不会，面试官就换了一个问题问，非常和蔼和有耐心。最后还对学习方向进行了指导。基础知识一定要牢固，多思考为什么，模型好在哪里以及解决问题的思路。

【阿里云3面（算法实习生）】

1、项目介绍

2、你是如何选择数据集采样标准的

3、RCNN、Fast RCNN 和 Faster RCNN的区别

4、如何解决过拟合

阿里云云栖号：深度学习揭秘之防止过拟合（overfitting）​zhuanlan.zhihu.com

5、如何使用ML知识分配算力

6、和初中生解释ML

7、假如你和你的leader意见相左，如何解决

个人感受：战略层。面试官从美国打来电话聊了1h，非常感谢他的时间（当时美国已经11 PM 了）基础知识问了15min左右，主要考察我解决问题的思路，以及对知识的理解和运用层面。最后对我的个人发展提出了指导性的建议，非常感谢。

【阿里云4面（算法实习生）】

1、项目介绍

2、如何部署算力

3、为什么选择RetinaNet

4、对数据、算法、算力的看法

5、混淆矩阵角度解读召回率和准确率

6、纳什均衡

7、反卷积和上采样

8、什么是排序算法的稳定性

9、稳定和非稳定的排序算法都有哪些

10、描述一下堆排序、什么是大顶堆、什么是小顶堆

11、描述一下二叉搜索树

12、时间复杂度为O(n)、空间复杂度为O(k)的树的搜索方法

god-jiang：神级遍历——morris​zhuanlan.zhihu.com
820f82e39bca317ffeaa57ccbfe16194.png

个人感受：突击检查？这次面试没有预约，对项目问的较少，主要关心算力如何布局，问的基础问题比较多和二面类似，但更侧重于数据结构基础，面试官语速有点快，数据结构相关的问题基本都没答上来。面试时间超过了面试官预期，没有问问题环节了，意识到自己基础的薄弱性，感觉有点凉凉qwq

【陌陌科技（计算机视觉实习生）】

1、自我介绍、项目介绍

2、训练集在多个模型上比较性能，mAP高的是为什么，低的是为什么，响应速度高的是为什么，低的是为什么？（等等，深挖项目，SSD的表现为什么这么差，为什么不用分割网络，说一下 Repulsion Loss）

3、说一下faster-RCNN的Anchor怎么生成

YaqiLYU：目标检测中的Anchor​zhuanlan.zhihu.com
4c74ec789d20c227454b72c79ecfca8c.png

4、写一下smooth L1的公式

请问 faster RCNN 和 SSD 中为什么用smooth L1 loss，和L2有什么区别？​www.zhihu.com
e73fa745c1e6fdfef85ed3b3b3db9a3d.png

5、写一下IoU的代码

Python 简版实现

#RT:RightTop
#LB:LeftBottom
def IOU(rectangle A, rectangleB):
    W = min(A.RT.x, B.RT.x) - max(A.LB.x, B.LB.x)
    H = min(A.RT.y, B.RT.y) - max(A.LB.y, B.LB.y)
    if W <= 0 or H <= 0:
        return 0;
    SA = (A.RT.x - A.LB.x) * (A.RT.y - A.LB.y)
    SB = (B.RT.x - B.LB.x) * (B.RT.y - B.LB.y)
    cross = W * H
    return cross/(SA + SB - cross)

6、写一下focal loss

中国移不动：5分钟理解Focal Loss与GHM——解决样本不平衡利器​zhuanlan.zhihu.com
a7b0543382dbf4595877d7d413848bc3.png

【网易（AI研究员）】

1、python中的字典是如何实现的

AgL：Python字典dict实现原理​zhuanlan.zhihu.com
540b784360d9844f821589c3d02657b7.png

2、vector是如何实现的

STL vector的内部实现原理及基本用法​blog.csdn.net
bd4bb57f44e8dd42160a30699c4e98f7.png

3、C++中分配、释放空间的函数如何实现，有什么区别

分配空间的三种函数--malloc，calloc，realloc_zjq_smile的博客-程序员宅基地​blog.csdn.net
63b0635622c4cc121fba8436b4f78d72.png

4、K-means聚类算法实现

k-means聚类算法原理及python3实现_hanxia159357的博客-程序员宅基地​blog.csdn.net
63b0635622c4cc121fba8436b4f78d72.png

5、如何进行大规模去重

海量数据去重之SimHash算法简介和应用_三劫散仙-程序员宅基地​blog.csdn.net
63b0635622c4cc121fba8436b4f78d72.png

6、判别两个图片相似性

【华为（算法工程师）】

1、

【京东（技术管培生）】

1、群面（12个人 无领导小组讨论）总时长30min

2、HR面 主要考察对这份岗位的意愿 （30min

3、技术面 面试官好像很忙，根据简历问了一下 （20min

4、高管终面

环节1 阅读案例 给出解决方案（30min）

给了一个案例 解决一个人力资源的问题 （全文15页）

环节2 轮流自我介绍（每人2min）之前提交的3页PPT

个人感觉比较看重学历背景和实习经历

环节3 自由发言 案例的解决方案（每人3min）

环节4 面试官自由提问（20min）问题如下（可参考性不大

1）提三点案例公司需要提升的点

2）案例公司如何做2b的技术输出

3）云服务的优势
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39875031/article/details/111137136

智能推荐

分布式光纤传感器的全球与中国市场2022-2028年：技术、参与者、趋势、市场规模及占有率研究报告_预计2026年中国分布式传感器市场规模有多大-程序员宅基地

文章浏览阅读3.2k次。本文研究全球与中国市场分布式光纤传感器的发展现状及未来发展趋势，分别从生产和消费的角度分析分布式光纤传感器的主要生产地区、主要消费地区以及主要的生产商。重点分析全球与中国市场的主要厂商产品特点、产品规格、不同规格产品的价格、产量、产值及全球和中国市场主要生产商的市场份额。主要生产商包括：FISO TechnologiesBrugg KabelSensor HighwayOmnisensAFL GlobalQinetiQ GroupLockheed MartinOSENSA Innovati_预计2026年中国分布式传感器市场规模有多大

07_08 常用组合逻辑电路结构——为IC设计的延时估计铺垫_基4布斯算法代码-程序员宅基地

文章浏览阅读1.1k次，点赞2次，收藏12次。常用组合逻辑电路结构——为IC设计的延时估计铺垫学习目的：估计模块间的delay，确保写的代码的timing 综合能给到多少HZ，以满足需求！_基4布斯算法代码

OpenAI Manager助手（基于SpringBoot和Vue）_chatgpt网页版-程序员宅基地

文章浏览阅读3.3k次，点赞3次，收藏5次。OpenAI Manager助手（基于SpringBoot和Vue）_chatgpt网页版

关于美国计算机奥赛USACO，你想知道的都在这_usaco可以多次提交吗-程序员宅基地

文章浏览阅读2.2k次。USACO自1992年举办，到目前为止已经举办了27届，目的是为了帮助美国信息学国家队选拔IOI的队员，目前逐渐发展为全球热门的线上赛事，成为美国大学申请条件下，含金量相当高的官方竞赛。USACO的比赛成绩可以助力计算机专业留学，越来越多的学生进入了康奈尔，麻省理工，普林斯顿，哈佛和耶鲁等大学，这些同学的共同点是他们都参加了美国计算机科学竞赛（USACO)，并且取得过非常好的成绩。适合参赛人群USACO适合国内在读学生有意向申请美国大学的或者想锻炼自己编程能力的同学，高三学生也可以参加12月的第_usaco可以多次提交吗

MySQL存储过程和自定义函数_mysql自定义函数和存储过程-程序员宅基地

文章浏览阅读394次。1.1 存储程序1.2 创建存储过程1.3 创建自定义函数1.3.1 示例1.4 自定义函数和存储过程的区别1.5 变量的使用1.6 定义条件和处理程序1.6.1 定义条件1.6.1.1 示例1.6.2 定义处理程序1.6.2.1 示例1.7 光标的使用1.7.1 声明光标1.7.2 打开光标1.7.3 使用光标1.7.4 关闭光标1.8 流程控制的使用1.8.1 IF语句1.8.2 CASE语句1.8.3 LOOP语句1.8.4 LEAVE语句1.8.5 ITERATE语句1.8.6 REPEAT语句。_mysql自定义函数和存储过程

半导体基础知识与PN结_本征半导体电流为0-程序员宅基地

文章浏览阅读188次。半导体二极管——集成电路最小组成单元。_本征半导体电流为0

随便推点

【Unity3d Shader】水面和岩浆效果_unity 岩浆shader-程序员宅基地

文章浏览阅读2.8k次，点赞3次，收藏18次。游戏水面特效实现方式太多。咱们这边介绍的是一最简单的UV动画（无顶点位移），整个mesh由4个顶点构成。实现了水面效果（左图），不动代码稍微修改下参数和贴图可以实现岩浆效果（右图）。有要思路是1，uv按时间去做正弦波移动2，在1的基础上加个凹凸图混合uv3，在1、2的基础上加个水流方向4，加上对雾效的支持，如没必要请自行删除雾效代码(把包含fog的几行代码删除)S..._unity 岩浆shader

广义线性模型——Logistic回归模型（1）_广义线性回归模型-程序员宅基地

文章浏览阅读5k次。广义线性模型是线性模型的扩展，它通过连接函数建立响应变量的数学期望值与线性组合的预测变量之间的关系。广义线性模型拟合的形式为：其中g(μY)是条件均值的函数（称为连接函数）。另外，你可放松Y为正态分布的假设，改为Y 服从指数分布族中的一种分布即可。设定好连接函数和概率分布后，便可以通过最大似然估计的多次迭代推导出各参数值。在大部分情况下，线性模型就可以通过一系列连续型或类别型预测变量来预测正态分布的响应变量的工作。但是，有时候我们要进行非正态因变量的分析，例如：（1）类别型.._广义线性回归模型

HTML+CSS大作业 环境网页设计与实现(垃圾分类) web前端开发技术 web课程设计 网页规划与设计_垃圾分类网页设计目标怎么写-程序员宅基地

文章浏览阅读69次。环境保护、 保护地球、 校园环保、垃圾分类、绿色家园、等网站的设计与制作。 总结了一些学生网页制作的经验：一般的网页需要融入以下知识点：div+css布局、浮动、定位、高级css、表格、表单及验证、js轮播图、音频 视频 Flash的应用、ul li、下拉导航栏、鼠标划过效果等知识点，网页的风格主题也很全面：如爱好、风景、校园、美食、动漫、游戏、咖啡、音乐、家乡、电影、名人、商城以及个人主页等主题，学生、新手可参考下方页面的布局和设计和HTML源码（有用点赞△） 一套A+的网_垃圾分类网页设计目标怎么写

C# .Net 发布后,把dll全部放在一个文件夹中,让软件目录更整洁_.net dll 全局目录-程序员宅基地

文章浏览阅读614次，点赞7次，收藏11次。之前找到一个修改 exe 中 DLL地址 的方法, 不太好使,虽然能正确启动, 但无法改变 exe 的工作目录,这就影响了.Net 中很多获取 exe 执行目录来拼接的地址 ( 相对路径 ),比如 wwwroot 和 代码中相对目录还有一些复制到目录的普通文件 等等,它们的地址都会指向原来 exe 的目录, 而不是自定义的 “lib” 目录,根本原因就是没有修改 exe 的工作目录这次来搞一个启动程序,把 .net 的所有东西都放在一个文件夹,在文件夹同级的目录制作一个 exe._.net dll 全局目录

BRIEF特征点描述算法_breif description calculation 特征点-程序员宅基地

文章浏览阅读1.5k次。本文为转载，原博客地址：http://blog.csdn.net/hujingshuang/article/details/46910259简介 BRIEF是2010年的一篇名为《BRIEF:Binary Robust Independent Elementary Features》的文章中提出，BRIEF是对已检测到的特征点进行描述，它是一种二进制编码的描述子，摈弃了利用区域灰度..._breif description calculation 特征点

房屋租赁管理系统的设计和实现，SpringBoot计算机毕业设计论文_基于spring boot的房屋租赁系统论文-程序员宅基地

文章浏览阅读4.1k次，点赞21次，收藏79次。本文是《基于SpringBoot的房屋租赁管理系统》的配套原创说明文档，可以给应届毕业生提供格式撰写参考，也可以给开发类似系统的朋友们提供功能业务设计思路。_基于spring boot的房屋租赁系统论文

推荐文章

热门文章

相关标签