2022秋实习面经
最近面了几个算法岗的实习,小记一下几个印象比较深的面试题吧
计算机视觉算法岗
-
个人简历问题
- 以项目为切入点,先要求大致介绍一下项目,然后具体问技术细节如何实现的?
- 图像预处理的细节
- YOLO模型的构造
- CRNN模型的构造
- 介绍一下随机森林的原理和构造
- 深度学习模型改进的方法有哪些(精度提升,时间消耗少)
- 最终做出了什么样的结果
- 发表的论文中,你负责了哪些方面?具体讲讲?
- 数据搜集
- 数据清洗
- 数据探索/特征工程
- 模型训练与优化
-
深度学习基础问题
- 抑制过拟合的方法有哪些?能具体讲讲吗?【细节题】
- 人为增加训练集
- 正则化(权值衰减)[对大的权重进行惩罚,一直过拟合]
- Dropout:在学习过程中随机删除神经元
- Early stopping:若训练集误差降低,但验证集误差升高,则停止训练
- 讲讲对batch_normalization的理解,该如何计算?
-
目的:在深度神经网络训练过程中使得每一层神经网络的输入保持相同分布的
-
好处:
- 不仅仅极大提升了训练速度,收敛过程大大加快;
- 还能增加分类效果,一种解释是这是类似于Dropout的一种防止过拟合的正则化表达方式,所以不用Dropout也能达到相当的效果;
- 另外调参过程也简单多了,对于初始化要求没那么高,而且可以使用大的学习率等
-
- 抑制过拟合的方法有哪些?能具体讲讲吗?【细节题】