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

使用nginx解决浏览器跨域问题_nginx不停的xhr-程序员宅基地

文章浏览阅读1k次。通过使用ajax方法跨域请求是浏览器所不允许的，浏览器出于安全考虑是禁止的。警告信息如下：不过jQuery对跨域问题也有解决方案，使用jsonp的方式解决，方法如下：$.ajax({ async:false, url: 'http://www.mysite.com/demo.do', // 跨域URL ty..._nginx不停的xhr

在 Oracle 中配置 extproc 以访问 ST_Geometry-程序员宅基地

文章浏览阅读2k次。关于在 Oracle 中配置 extproc 以访问 ST_Geometry，也就是我们所说的 使用空间SQL 的方法，官方文档链接如下。http://desktop.arcgis.com/zh-cn/arcmap/latest/manage-data/gdbs-in-oracle/configure-oracle-extproc.htm其实简单总结一下，主要就分为以下几个步骤。..._extproc

Linux C++ gbk转为utf-8_linux c++ gbk->utf8-程序员宅基地

文章浏览阅读1.5w次。linux下没有上面的两个函数，需要使用函数 mbstowcs和wcstombsmbstowcs将多字节编码转换为宽字节编码wcstombs将宽字节编码转换为多字节编码这两个函数，转换过程中受到系统编码类型的影响，需要通过设置来设定转换前和转换后的编码类型。通过函数setlocale进行系统编码的设置。linux下输入命名locale -a查看系统支持的编码_linux c++ gbk->utf8

IMP-00009: 导出文件异常结束-程序员宅基地

文章浏览阅读750次。今天准备从生产库向测试库进行数据导入，结果在imp导入的时候遇到“ IMP-00009:导出文件异常结束” 错误，google一下，发现可能有如下原因导致imp的数据太大，没有写buffer和commit两个数据库字符集不同从低版本exp的dmp文件，向高版本imp导出的dmp文件出错传输dmp文件时，文件损坏解决办法：imp时指定..._imp-00009导出文件异常结束

python程序员需要深入掌握的技能_Python用数据说明程序员需要掌握的技能-程序员宅基地

文章浏览阅读143次。当下是一个大数据的时代，各个行业都离不开数据的支持。因此，网络爬虫就应运而生。网络爬虫当下最为火热的是Python，Python开发爬虫相对简单，而且功能库相当完善，力压众多开发语言。本次教程我们爬取前程无忧的招聘信息来分析Python程序员需要掌握那些编程技术。首先在谷歌浏览器打开前程无忧的首页，按F12打开浏览器的开发者工具。浏览器开发者工具是用于捕捉网站的请求信息，通过分析请求信息可以了解请..._初级python程序员能力要求

Spring @Service生成bean名称的规则（当类的名字是以两个或以上的大写字母开头的话，bean的名字会与类名保持一致）_@service beanname-程序员宅基地

文章浏览阅读7.6k次，点赞2次，收藏6次。@Service标注的bean，类名：ABDemoService查看源码后发现，原来是经过一个特殊处理：当类的名字是以两个或以上的大写字母开头的话，bean的名字会与类名保持一致public class AnnotationBeanNameGenerator implements BeanNameGenerator { private static final String C..._@service beanname

随便推点

二叉树的各种创建方法_二叉树的建立-程序员宅基地

文章浏览阅读6.9w次，点赞73次，收藏463次。1.前序创建#include&lt;stdio.h&gt;#include&lt;string.h&gt;#include&lt;stdlib.h&gt;#include&lt;malloc.h&gt;#include&lt;iostream&gt;#include&lt;stack&gt;#include&lt;queue&gt;using namespace std;typed_二叉树的建立

解决asp.net导出excel时中文文件名乱码_asp.net utf8 导出中文字符乱码-程序员宅基地

文章浏览阅读7.1k次。在Asp.net上使用Excel导出功能，如果文件名出现中文，便会以乱码视之。 解决方法： fileName = HttpUtility.UrlEncode(fileName, System.Text.Encoding.UTF8);_asp.net utf8 导出中文字符乱码

笔记-编译原理-实验一-词法分析器设计_对pl/0作以下修改扩充。增加单词-程序员宅基地

文章浏览阅读2.1k次，点赞4次，收藏23次。第一次实验 词法分析实验报告设计思想词法分析的主要任务是根据文法的词汇表以及对应约定的编码进行一定的识别，找出文件中所有的合法的单词，并给出一定的信息作为最后的结果，用于后续语法分析程序的使用；本实验针对 PL/0 语言 的文法、词汇表编写一个词法分析程序，对于每个单词根据词汇表输出： (单词种类, 单词的值) 二元对。词汇表：种别编码单词符号助记符0beginb..._对pl/0作以下修改扩充。增加单词

android adb shell 权限,android adb shell权限被拒绝-程序员宅基地

文章浏览阅读773次。我在使用adb.exe时遇到了麻烦.我想使用与bash相同的adb.exe shell提示符,所以我决定更改默认的bash二进制文件(当然二进制文件是交叉编译的,一切都很完美)更改bash二进制文件遵循以下顺序> adb remount> adb push bash / system / bin /> adb shell> cd / system / bin> chm..._adb shell mv 权限

投影仪-相机标定_相机-投影仪标定-程序员宅基地

文章浏览阅读6.8k次，点赞12次，收藏125次。1. 单目相机标定引言相机标定已经研究多年，标定的算法可以分为基于摄影测量的标定和自标定。其中，应用最为广泛的还是张正友标定法。这是一种简单灵活、高鲁棒性、低成本的相机标定算法。仅需要一台相机和一块平面标定板构建相机标定系统，在标定过程中，相机拍摄多个角度下（至少两个角度，推荐10~20个角度）的标定板图像（相机和标定板都可以移动），即可对相机的内外参数进行标定。下面介绍张氏标定法（以下也这么称呼）的原理。原理相机模型和单应矩阵相机标定，就是对相机的内外参数进行计算的过程，从而得到物体到图像的投影_相机-投影仪标定

Wayland架构、渲染、硬件支持-程序员宅基地

文章浏览阅读2.2k次。文章目录Wayland 架构Wayland 渲染Wayland的 硬件支持简 述：　翻译一篇关于和 wayland 有关的技术文章, 其英文标题为Wayland Architecture .Wayland 架构若是想要更好的理解 Wayland 架构及其与 X (X11 or X Window System) 结构；一种很好的方法是将事件从输入设备就开始跟踪, 查看期间所有的屏幕上出现的变化。这就是我们现在对 X 的理解。 内核是从一个输入设备中获取一个事件，并通过 evdev 输入_wayland

推荐文章

热门文章

相关标签