2019.09 网易面试小结

翻看博客看到之前的博客草稿，去年面试网易的小结，希望能有所帮助，有其他疑问欢迎提问，看到的话会及时回复。

1.BN、LN区别？具体实现？

Batch Normalization

   对于BN来说，每个channel(特征)是独立的，缺点：大家认为Batch Normalization的性能受到batch size的影响较大。尤其是在fully connect layer的时候。如果batch size等于1，则相当于没有作normalization。因为每个channel的均值就是他自己本身。在计算Normalization的时候每个特征彼此之间是独立的，互不影响的。

 BN在batch的维度上norm，归一化维度为[N，H，W]，对batch中对应的channel归一化

Layer Normalization

   对于LN来说，每个sample是独立的，我们对表示每个sample的feature map进行normalization。缺点：有时候可能输入的特征，本身之间差距就比较大，不适合在整个特征内做normalization

 LN避开了batch维度，归一化的维度为[C，H，W]

Instance Normalization

IN 归一化的维度为[H，W]；

Group Normalization

首先将N∗H∗W∗C 分成G组，即就是G个N∗H∗W∗C/G，对于GN来说，他介于IN和LN中间。我们对每个sample的每个group做归一化

2、增大类间间距，减小类内间距，都哪些损失函数可以实现？

3、所做东西的创新性体现在哪？

4、GAN网络种类？区别？

5、人脸检测与目标检测区别？

6、最新论文读过吗？介绍一下？

7、三维活体研究过吗？怎么实现，方案思路

8，题目大意是现有一个数据池，数据池中的数据是1到无穷大，选取n个数等于k，这样的方案有多少种？(叙述思路外加手撕代码）