商汤研究院research intern (AI对抗方向) 面经

一面

一、
简单聊一下商汤那边的research工作。确认能否线下实习等。
二、
问简历，论文。
自己主要做的是NLP方向的AI安全，而商汤那边偏向CV，有一点不match，自己还是表达了愿意学习新知识的意向。
三、
问框架。
问：torch中的BN如何计算（）。这个不会…回去再仔细看一下。

---

复盘
这部分确实之前了解较少，先贴一个链接，以后慢慢看
转自知乎

---

然后换了一个问题：model.train和model.eval的区别（） ，也说错了。

---

复盘：
1 model.train()
2 model.eval()
以上两个函数的区别主要在于，对BN和dropout的，帮助模型分辨是在训练阶段还是评估阶段。

model.eval()的作用是不启用 Batch Normalization 和 Dropout。

模型在训练时，BN（Batch Normalization）层会计算每一批数据的均值和方差。而Dropout会随机使一部分网络连接无效，然后更新参数。

3 no_grad()
该函数的作用是关闭梯度计算，节约内存（不知道是否还有其他作用）。

---

四、
算法题。
手写快排（）。后面改成手写冒泡（√）。自己太久没有刷题了。冒泡都改了好久。

感觉面试挂了。。就当锻炼一下，认清水平。

二面

一、聊简历，问实习时长，每周几天等问题。
二、问了关于CV、对抗样本、检测等问题，例如模型架构、了解什么算法，但是我确实了解不深。那边聚焦是在CV对抗样本，我之前的研究方向主要在NLP后门攻击。算是完美错开。
三、手撕Kmeans ，难顶。在面试官的提醒下才勉强写出来，没有编译，也不确定写的对不对。