0809 在线笔试

前两题不难

第一题是个纯纯的 hello world，第二题是个 01 背包，数量是 5，所以不按背包做，直接枚举也是可以过的。

第三题…… 一下子懵了，完全不按套路出牌…… 算是「业务题」。给一大堆 Typedefine，求某个 Type 的原始形态。C++ Tokenizer 之类的东西比较恶心，就 Python 开撸，最后不知道哪里有 bug 拿了 42.38%

据说有人做的是给 ip 地址，问是哪一类 ip。

0816 现场面试

业务一面

面试官好像是自动驾驶解决方案开发Leader。

• 看简历，问项目

  只问了研究生阶段的项目，本科阶段的只是提了一下。

• 问项目的一些实现细节。

• 问论文，和论文的大致细节

  由于论文仍然在投，所以不方便透露细节，只能说大概

• 问为什么要用激活函数

  增加非线性，受到生物启发

  如果不用激活函数，每一层都是上一层的线性函数。无论多少层，都和只有一层相当——就是多层感知机了
  激活函数会使一部分神经元的输出为0，这样就造成了网络的稀疏性，并且减少了参数的相互依存关系，缓解了过拟合问题的发生

• 鞍点的理解？怎么度过鞍点？
  

  在某些维度上看是局部最小值，但在另一些维度上看是局部最大值
  鞍点附近Hessian矩阵是不定的，非正定，非负定，非半正定(行列式小于0)（区别于局部极值附近的Hessian矩阵是正定的）
  先保存checkpoint，然后用一个较大的学习率跳过这个鞍点，然后继续训练过程？
  带动量的SGD可以帮助跳出鞍点
  增加一点扰动，避免“某些维度上的局部最小值”的影响

• 学习率怎么设置

  先大后小。这样前面可以快速收敛，后面慢速收敛不至于跳过最优值
  最新算法推荐是先WalmUp，后逐渐减小
  更新策略可以step、multistep、指数/对数

• 问怎么理解梯度消失问题，怎么解决

  完全没答上来

  在sigmoid接近饱和区时，变换太缓慢，导数趋于0
  由于要对激活函数求导，当导数大于1的时候，梯度更新将以指数形式增加，当导数小于1的时候，梯度更新将以指数形式减小——层数多了，就会出现梯度爆炸和梯度消失

  逐层预训练（Hinton）
  梯度剪切、权重正则化（防止梯度爆炸）
  换激活函数
  残差结构，直接将前面的输出拽到后面，强制得到梯度（防止梯度消失）

• 问高斯分布的公式

  只记得均值和方差两个参数，只记得形态，不记得具体公式了

• 问滤波器，边缘提取，边缘提取的算子

  只能大致记住样子，具体细节忘记了

• 面试官简单介绍团队目前在做什么，说是杭州和上海都有团队，但没细说

遗言：

• 海思自称是“做AI芯片的”。这个概念太宽泛了。比如“做多媒体芯片的”我们知道产品肯定是硬件编解码器，“做工程控制芯片的”也能大致知道产品是干什么的，能直接用在什么地方。
  • 神经网络通用操作的加速，比如卷积、池化等的加速，不是针对某个算法和网络的。
  • 大致可以理解为一个定制的GPU，或者TPU。
  • 全套解决方案，有芯片、算法、框架。跟Intel神经计算棒的想法有些像。

大概45分钟。

业务二面

面试官好像是自动驾驶解决方案算法Leader。

由于中午没有睡觉，已经很困了。加上突然多了个业务二面，一脸懵中。

• 问项目，和一些实现细节

• 知识蒸馏怎么做的
  Hinton的文章有理论说明

• 问高中本科研究生的排名

没有了，大概20分钟

综合面试

面试官小哥蛮帅的。

困到爆。硬撑着面下来了，希望面试官小哥哥不要嫌弃一脸没睡醒的懵逼脸。

• 问学校、排名、本科学校、本科排名。

• 简单介绍一下项目。

• “好了我这里没有什么想问的了，你有什么想问我的么”

  瞬间懵了，说好的谈人生呢……

  • 杭州和上海的团队有什么不同？
    • 杭州人多，主要是算法
    • 上海人稍微少一点，主要是算法落地，提供完整解决方案

8分钟不到。