腾讯一面面经（PCG)

问简历，使劲问。。。

没准备好的有：跟non-local有啥区别？ 还有哪些排序的loss，跟你项目相关的有 pose estimation, 行人检测，人脸识别，你对哪个比较熟？讲一下吧。。。。我。。。人脸？ 然后人脸loss讲一下吧。。。。瞎扯一通，面试官说你不记得了吧。。。。

其他的，问对经典网络有什么了解，除了resnet以外，讲一下googLeNet有什么亮点？回答了多尺度卷积，batchnorm, 1xn和nx1的可分离卷积，又问了可分离卷积还在哪些网络上有应用？（回答shufflenet, 面试官说应该是mobileNet) 3D的卷积了解过吗？能分离卷积吗？回答(2+1)D。 然后又问了shuffleNet有什么特点，除了shuffle以外。哦还问了GoogleNet相对与Alexnet有啥改进，我说了把大的卷积核改小了，7x7的大卷积核改成了三个3x3，5x5的卷积核也能用两个3x3代替。接着问，有啥好处？还问两个3x3就对应一个5x5吗？我说看stride, stride=1的情况下就是这样。 

Alexnet 有了解吧？好几个很大的全连接层，用了一个dropout 的操作，你讲一下dropout吧？为什么测试时候要scale?(训练测试应当保证分布一样）为什么有用，你分析一下？你觉得跟哪个传统机器学习算法比较像？（RandomForest) 你自己分析的还是看到的？跟adaboost像不像？

场景题：视频去重，千万级数量，如何处理？怎么训练好的特征提取器（triplet)

代码题：两数之和+快排