算法推理部署，面了40多个大佬的感想！

作者 | Oldpan  编辑 | oldpan博客

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

点击进入→自动驾驶之心【模型部署】技术交流群

本文只做学术分享，如有侵权，联系删文

 

今年三月份到现在陆陆续续面了40来个人，有实习生，有校招生，也有来社招的大佬们。面了挺久，有些总结和感想，发出来和大家交流交流，也趁着这个机会为之后参与校招的同学提供一些学习方向。

我面的岗位主要是算法工程师，也会面试一些推理相关的人。

简单从这三点说：

• 对候选者的要求

• 大家的水平

• 未来的看法

实习生

第一个是招实习生，实习生的简历，大家的学校感觉都不错，北邮、北航、东南大学、厦门大学、大连理工、西交西电等等，项目做的也都很多，有发表过一些顶会的也有其他不错期刊的。也有同时在其他公司实习的，这种有公司实习经历的同学我们肯定是优先考虑，毕竟在公司实习能有个完整的项目啥的，而且ssh、git、docker一些常用工具也都会用。

不过实习生的话，公司要求没有校招高，只要有对口的项目，代码能力过关，来了我们都愿意培养，一起搞个项目，学生嘛，学习起来很快，上手新项目多带带很容易就会了。重点说下代码能力必须要过关，你项目不多不要紧，你来了可以学，代码能力不行就会怀疑你项目是咋做的有没有自己亲自动手做的。

还有一个是要求实习生对基础理解的比较好些，项目虽然可以不用太多，但是你做过的项目细节，自己必须要清楚，深入问的时候能够回答上来，比如一个BN层，训练和推理有哪些表现不一样，有哪些参数需要更新等等，这些细节面试的时候大部分人都说不全，不能一次性说对。

总结下对实习生的要求：

• 项目可以不多，但是要精

• 基础知识要好

• 代码能力过关

就OK了，至于方向的话，只要是和算法CV相关就行。

校招生

校招生要求会高一些，校招生的学校和实习生没区别，也都挺好，不过看简历项目明显多了一些（最起码暑假阶段找了个实习，然后秋招面试的时候可以写上去），对于校招生来说，除了基础知识外，更要看项目是否匹配啥的。

因为现在深度学习算法咋说也火了好多年了，从神仙打架到诸神黄昏了。到现在简历上搞一些什么使用unet训练一个分割网络实现某个任务，或者说使用yolov7检测某个目标已经不是什么亮点了。不过这种也不是不行，但你需要更多的深度我才会感兴趣：

• 网络结构有无值得说明的改进

• 为什么这样做可以明确说出原因和数据证明

• 对使用这个方法以及和其他方法做过比较详细的对比，选择这个模型是有理由的

现在是大模型和多模态的时代，大模型确实在很多场景上都应用的挺好而且都能落地，比如chatgpt以及基于llama的各种开源模型在各种场景上的应用，隔几天就能出一个大模型、隔几天刷一次榜；多模态的话，gpt4已经可以看图生图了（gpt-plus用户可以体验），而且效果也比较惊艳，这种多模态潜力还是很大的，有很多开源的项目可以借鉴：

• https://github.com/QwenLM/Qwen

• https://github.com/IDEA-Research/GroundingDINO

• https://github.com/Vision-CAIR/MiniGPT-4

因此也希望校招生有多模态相关的项目（实话实说，多模态和大模型对显卡的要求比普通项目更高，确实在学生时代搞还是挺难...），多模态，和CV结合再和NLP结合，都能搞出不错的项目。

比较简单点的多模态可以尝试下grounding dino，对于稍稍的大模型+目标检测来说是一个不错的点子：

话说回来，在面试今年算法校招生的时候，就更想要一些偏多模态，

至于部署工程方面，我也看到很多校招生有一些工程的项目，比如使用C++写个模型的前后处理，比如剪枝量化啥的，不过感觉都不是很深，比如关于剪枝的细节，问具体剪的是哪？剪网络层？剪通道？还是剪kernel，回答的都不是很清楚，还有量化，因为现在很多库对量化支持的很好，大家普遍调用一下API看到结果好就好了，也没有看细节，这个一问就问出来了（比如trt的量化，有api可以直接量化）。这些部署可以搞得再细一点，不过这些童鞋在大家都一样的基础上，你再会C++、再会一些部署方向的东西，比只会写python算法的肯定要强些。

推理相关

推理面了一些校招以及一些社招，大家的方向大概是这几种：

• 搞上层编译器的（类似于torch-tensorrt的利用pytorch生态和TensorRT生态的在nvidia显卡加速的编译器，不需要自己写codegen），会针对不同的后端（比如onnx和torchscript）写parser，针对计算图写一些pass；也有搞基于MLIR的编译器的，在自己的公司硬件上跑，前端中端后端需要都搞

• 搞推理框架的，就是优化训练和部署中的一些性能问题、精度溢出问题；有些公司喜欢搞统一的框架（训练和部署都解决了），不喜欢用现有的轮子，要自己造；对于加速类的推理框架，会实现比如模拟量化功能、精度对比功能等等

• 搞加速的，就是对任务中各种瓶颈的算子进行加速，C++转cuda，python转c++等等，使用C++封装一些项目blabla

有些社招的大佬做的比较深，细节说的比较好，也对新的技术（比如新显卡hopper架构）有探索的热情（面试过一些35+的大佬，热血激情不分年龄），在多个大厂待过，很强。

也有一些优秀的校招生，项目优化op的细节都能答上来，加分~也有几个校招生不清楚项目为啥要这么做，问则答曰领导要求的，问有没有自己的想法，回答的也不是很好，这种是比较降分的。

感想

预计明年的热点还是大模型和多模态，而部署加速一直有需求。问了面试的算法校招生，说今年难度也挺大，有好学校的秋招过了国庆目前只有一个offer。

还有因为大模型，一开始各个厂抢大模型加速的人才比较剧烈，不过现在应该好多了。

其余一些想说的：

• 面了不少寒武纪和百度的大佬

• 有工作7、8年的大佬，在多个大厂待过然后目前在创业公司

• 也有离职（自己原因、公司原因）待业的大佬

环境依然不是很乐观，之后一起加油！

① 全网独家视频课程

BEV感知、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、点云3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、协同感知、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频（扫码即可学习）

视频官网：www.zdjszx.com

② 国内首个自动驾驶学习社区

近2000人的交流社区，涉及30+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（2D检测、分割、2D/3D车道线、BEV感知、3D目标检测、Occupancy、多传感器融合、多传感器标定、目标跟踪、光流估计）、自动驾驶定位建图（SLAM、高精地图、局部在线地图）、自动驾驶规划控制/轨迹预测等领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！

③【自动驾驶之心】技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多模态感知、Occupancy、多传感器融合、transformer、大模型、点云处理、端到端自动驾驶、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向。扫码添加汽车人助理微信邀请入群，备注：学校/公司+方向+昵称（快速入群方式）

④【自动驾驶之心】平台矩阵，欢迎联系我们！