【面试篇】地平线深度学习模型算法开发一面

前言

刚2点-3点面完地平线一面，面完才发现面试的时候忘记记录一下了，这里能想多少就想多少吧。

总的情况，问我的项目问题，算法问题基本都答出来的，手撕了两道题，第一天nms没有什么问题，第二题优化没有什么思路，但是有一个致命的问题：语言类的问题没怎么准备，Python、C++的一些基础不过关，需要加强！！！

体验感很好，面试官很nice，会慢慢的引导你到正确答案去，感觉面试官很强

不知道这个能不能进二面…，最晚明天会出结果

---

已收到感谢信，应该是无了，作为人生中第一个工作面试吧，还是很nice的，和面试官探讨学到很多东西，继续加油吧！

问题

全程一个小时
1、自我介绍
2、你是怎么用shufflenetv2对yolov5进行轻量化设计的，包括shufflenetv2的原理，四条轻量化网络设计的准则？
3、设计完之后的精度、计算量、FPS分别都是多少？（这个指标一定要知道，会根据这个判断这个项目是不是你做的？）
4、部署在哪里的？
5、介绍下yolo的整个系列的发展历程（v1-v3），它是从哪些方面进行改进的？anchor，grid cell，模型结构，loss等等…
6、再说下yolov5相对与yolov3又有什么改进的地方？我说了网络结构重点说了C3模块，强大的正负样本匹配策略，loss，其实还可以再说下它的边界框回归的公式改进的（这里面试官还想让我结合FCOS一起讨论一下目标检测的改进方向之类的问题的，但是我不太会FCOS，让我给绕过去了…）
7、mAP怎么计算的？这个没答好
8、mobilenet的参数量比普通卷积怎么样？为什么这个参数量这么少？怎么计算的?
9、介绍了一个比赛？我用的swim Transformer，然后基于此又展开了
10、介绍了swin transformer的改进？我介绍了一下ViT，它的缺点，然后接着将swin是怎么改进的？
11、然后面试官还问我位置编码的作用，我又把问题岔了，Transformer我学的不是很深，这里还需要再加强一下…
12、手撕代码：nms，随便什么语言，我用的numpy写的
13、手撕代码：求两个矩阵的欧式距离，我用的两层for循环写的，这里面试官希望我优化一下，没想出来
14、语言python：Python 装饰器、Python进程和线程的区别 num_works的作用，num_works为什么用进程不用线程?、ddp和dp的区别？
15、语言c++，第二个问题面试官想让我用c++写第二个手撕代码的，我C++用的不是很熟…

还有一些记不得了，印象深刻的就这些

语言这方面真没怎么准备，说实话还是很想进地平线的

明天还有一个自动驾驶的面试，赶紧准备准备语言类八股问题去

二、急需要提升的点

1、C++和python的基础概念、重点知识赶紧补，之前一直以为面试不太问这个的，所以没怎么准备，现在看来这个基础还是很重要的；
2、mAP、Swin Transformer相关的知识补补

三、第二个手撕题优化思路

用矩阵操作代替for循环

双层for循环解法

def compute_distance(A, B):
	m = A.shape[0]
	n = B.shape[0]
	dists = np.zeros((m, n))
	for i in range(m):`在这里插入代码片`
		for j in range(n):
			dists[i][j] = np.sqrt(np.sum(np.square(A[i] - B[j])))
	return dists
1
2
3
4
5
6
7
8

一层for循环

def compute_distance(self, B):
	n = B.shape[0]
	m = self.A.shape[0]
	dists = np.zeros((m, n))
	for i in range(n):
		dists[i] = np.sqrt(np.sum(np.square(self.A - B[i]), axis = 1))
	return dists
1
2
3
4
5
6
7

不用for循环

def compute_distance(self, B):
	n = B.shape[0]
	m = self.A.shape[0]
	dists = np.zeros((m, n))
	dists = np.sqrt(-2*np.dot(X, self.X_train.T) + np.sum(np.square(self.X_train), axis = 1) + np.transpose([np.sum(np.square(X), axis = 1)]))
	return dists
1
2
3
4
5
6