Skip to content

Latest commit

 

History

History
127 lines (115 loc) · 5.89 KB

README.md

File metadata and controls

127 lines (115 loc) · 5.89 KB

面试题

将见过的面试题和自己想到查到的回答

  • 1. 训练加速

    • 数据并行
      • Pytorch 的 DataParallel 流程图
    • 数据并行(nn.distributed) * [todo]
    • 模型并行
    • pytorch的dataparallel

  • 2. 目标检测

    • 1.算法有哪些？他们的对比？
      • RCNN：
      • fast RCNN
      • faster RCNN
      • YOLO
        • YOLOV2
        • YOLOV3
      • SSD
    • 2.简述一下YOLOv2的原理，v1和v2有什么区别？
    • 3.非极大抑制是什么，有什么作用？
    • 4.如何计算 Anchor 和真实 bbox 之间的 mIOU，以及如何在此基础上进行 NMS 算法？
    • 5.nms的发展（greedy-nms，soft-nms，fast-nms，matrix-nms） * [todo]
    • 6.YOLOv2为什么将输入尺寸从448降到416
    • 7.YOLOv2对于anchor的使用与faster-rcnn有何不同?
    • 8.YOLOv2,v3一个anchor可以对应几个GT？SSD呢？RCNN系列呢？
    • 9.YOLOv3对于v2做了怎样的改进？
    • 10.YOLOv2与v3筛选正负样本的方式类似，具体是怎样进行的？这种操作解决了什么问题？
    • 11.YOLOv3的多尺度输出结构与FPN有何不同？
    • 12.YOLOv2,v3的anchor聚类如何做？指标是什么？
    • 13.FPN的多尺度输出结构与SSD的多尺度输出结构哪个效果更好
    • 14.faster-rcnn在撒anchor的时候，是如何把特征图坐标映射到图像上的？
    • 15.faster-rcnn的OHEM与ssd的OHEM有何不同
    • 16.roi pooling与roi align的具体操作
    • 17.retinanet解决了以往one-stage检测器的什么问题
    • 18.Focal loss一定有效吗？为什么？试举出一个例子
    • 19.介绍cascade-RCNN和DCN模块。Cascade-rcnn解决了什么问题？cascade-RCNN一般选用几个阶段？
    • 20.anchor-free的方式大概分为哪两种？各有什么特点？
    • 21.coco的mAP的计算公式
    • 22.为什么 Faster RCNN 相较 YOLO v2 更慢？
    • 23.为什么 Faster RCNN 预测准确度相比于 一阶段网络更高？
    • 24.介绍一下 RPN 的结构？
    • 25.YOLO 和 SSD 的区别？

  • 3. 循环卷积神经网络

    • 1.LSTM为什么会导致梯度爆炸？要如何解决？

  • 4. 语义分割

    • 1.主要语义分割的算法有哪些，他们有什么区别？
        1. FCN(全卷积网络)
        1. Unet
        1. SegNet
        1. Deeplab v3+
        1. PSPNet(金字塔场景分割网络)
    • 2.感受野会受到什么因素的影响？怎么影响？
    • 3.遥感图像语义分割和普通图像的语义分割有什么区别？
    • 4.语义分割中的样本不均衡介绍一下？
    • 5.双线性插值，转置卷积和反卷积的区别与联系 * [todo]
    • 6.介绍语义分割、实例分割和全景分割 * [todo]
    • 7.后处理方法：CRF * [todo]
    • 8.介绍空洞卷积以及DeepLabv3中的ASPP模块 * [todo]

  • 5. Backbone

    • 1.resnet中的恒等快捷连接在前向传播和反向传播都有什么作用？
    • 2.ResNet和ResNeXt的区别 * [todo]
    • 3.Inception中的deep supervision有什么作用 * [todo]
    • 4.resnet的shortcut结构有什么缺点?如何改进? * [todo]
    • 5.resnet的post activation有什么作用? * [todo]
    • 6.shufflenet的shuffle操作如何进行? * [todo]
    • 7.比较一下 Inception v1， v2，v3？

  • 6. 卷积神经网络基础

    • 1.Batch Normalization 在卷积神经网络中的作用是什么?
    • 2.1* 1卷积的作用是什么？
    • 2.1. 深度可分离卷积介绍一下?
    • 3.两层较小的卷积核和一个较大的卷积核比较，各有什么缺点和优点？
    • 4.不同激活函数有什么区别？
    • 5.卷积层输出大小的计算?
    • 5.1.卷积层中计算量的计算：
    • 6.dropout层为什么可以促进正则化？pytorch中dropout在训练与测试时如何使用？
    • 7.平方误差损失函数和交叉熵损失函数分别适用于什么场景？
    • 8.梯度消失/爆炸的原因?
    • 9.损失降不下来怎么办？
    • 10.weight decay vs L2 正则项
    • 11.avarage-pooling与max-pooling的区别与联系？它们的梯度反传如何进行？
    • 12.各种normalization层了解多少？(包括SyncBN)
    • 13.为什么学习率的设置要与batchsize成线型关系
    • 14.ReLU有哪些改进的方式
    • 15.神经网络中参数中的偏置bias有什么作用
    • 16.caffe的im2col是怎么操作的？ * [todo]
    • 17.转置卷积和反卷积的区别？
    • 18.什么是空洞卷积，它的感受野如何计算？ 给定 dialation rate 为 Drate 的卷积核，他的输出和输入大小的对应关系又是什么？

  • 7. 神经网络训练场景问题

    • 1.怎么判断过拟合，怎么处理？
    • 2.怎么解决图像语义分割中的样本不均衡问题?

  • 8. Python

    • 1.装饰器是什么，有什么作用？
    • 2.迭代器
    • 3.生成器
    • 4.深拷贝与浅拷贝的区别 * [todo]
    • 5.Python中is和==的区别
    • 6.解释with语句
    • 7.什么是面向对象？面向过程和面向对象的区别？

  • 9. 机器学习

    • 1.讲讲支持向量机，间隔，对偶，核技巧，如何将分类问题转化成最优化问题的（手推公式）？
    • 2.手写逻辑回归的损失函数 * [todo]
    • 3.简单介绍一下集成学习？
      • BAGGING
      • BOOSTING
      • GB
      • STACKING

  • 10.传统图像处理

    • 1.直方图均衡
    • 2.直方图匹配
    • 3.SIFT的特点
    • 4.刚体变换，仿射变换，透视变换（投影变换）
    • 5.索贝尔算子长什么样?为什么长这样?
    • 6.拉普拉斯边算子?
    • 7.图像亮度、对比度、饱和度
    • 8.高斯金字塔与拉普拉斯金字塔

  • 11.模型量化