去商汤面试是一种怎样的体验?

导读:最近有位刚刚参加完面试,并顺利接到Offer的元气满满的小姐姐,将自己“来商汤面试的体验”总结了一下并分享出来。

最近真的是太懒了,要好好慰劳过去六个月心酸的自己,想要享受下短暂的下班回来就躺尸的日子,元旦后要入职商汤了,值此2018岁末,奉上商汤面经一篇,哪怕只字片言能给你一点帮助或是启示,我就吼开心呀~

关于投简历

首先我想谈谈关于投简历这事。

我的观点是:基于有自知之明的情况下大胆投,投简历又不花钱且大不了就是挂了但还能增长经验。

划重点:有自知之明&大胆投

我在这里的解释是:

1. 对自己有个大致的了解。对于JD上的描述脑子里有货,不需要精通,但都要有话可说,不能一问三不知。我面商汤下来,基本上90%的问题我都能多少说些什么,不会让场面一度寂静,就算没接触过也可以当场讲讲自己的思考。

2. 不要怕,就是干。给你们看下我面的岗位的JD,害怕吗?反正我怕。可是你看面的问题。而且这个岗位并没有写明招实习,但是我进了。因为,我联系对方问了是否招实习生,对方答复,招~意不意外~所以这个机会是我自己挣来的!

关于面试过程

面试分为三面,一二面技术,三面HR。

10:00AM,阴雨天,于商汤上海办公楼。

  • 5
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
汤LoFTR是一种基于Transformer的视觉特征匹配算法,其主要用途是在图像拼接、图像配准、图像检索等领域进行特征匹配。下面是对汤LoFTR源码的详细解释。 1. 代码结构 汤LoFTR源码主要包含以下几个文件: - models.py:包含了特征提取器和特征匹配器的代码。 - utils.py:包含了一些用于数据处理和模型训练的辅助函数。 - datasets.py:包含了用于加载数据集的代码。 - train.py:包含了模型训练的代码。 - inference.py:包含了模型推理的代码。 2. 特征提取器 汤LoFTR使用的特征提取器是一个基于Transformer的网络,由多个Encoder和Decoder组成。在汤LoFTR中,Encoder和Decoder都是由多个Self-Attention层和全连接层组成的。 在Encoder中,Self-Attention层用于在输入序列中寻找相关的信息,并将其编码为一个固定长度的向量。全连接层用于将这些向量合并到一起,生成一个包含整个输入序列信息的向量。 在Decoder中,Self-Attention层用于在给定的查询序列中寻找与输入序列相关的信息,并将其编码为一个固定长度的向量。全连接层用于将这些向量合并到一起,生成一个包含整个查询序列信息的向量。 3. 特征匹配器 汤LoFTR使用的特征匹配器是一个基于双向长短时记忆网络(BiLSTM)和点积注意力机制的网络。该模型输入两个特征向量序列,并输出两个序列中每个位置的相似度得分。 在特征匹配器中,BiLSTM用于对输入序列进行编码,并将其转换为一个更高维度的表示。点积注意力机制用于将两个特征序列中相似的位置进行匹配,生成相应的相似度得分。 4. 数据集 汤LoFTR支持使用自定义数据集进行训练和测。数据集可以包含多个图像,每个图像可以包含多个特征点。汤LoFTR使用OpenCV库中的SIFT算法对图像进行特征点提取。 5. 模型训练 汤LoFTR的模型训练分为两个阶段。 第一阶段是特征提取器的预训练。在此阶段,使用大量的无标签图像数据对特征提取器进行训练,以便使其能够从图像中提取出有用的特征。 第二阶段是特征匹配器的训练。在此阶段,使用有标签的图像对数据集对特征匹配器进行训练,以便使其能够将两个图像中的特征点进行匹配。 6. 模型推理 汤LoFTR的模型推理主要分为两个步骤。 第一步是使用特征提取器对输入图像进行特征提取。在此过程中,汤LoFTR使用OpenCV库中的SIFT算法对图像进行特征点提取,并将提取到的特征点通过特征提取器进行编码。 第二步是使用特征匹配器对两个输入图像中的特征点进行匹配,并输出每个特征点的匹配结果。 7. 总结 汤LoFTR是一种基于Transformer的视觉特征匹配算法,其主要用途是在图像拼接、图像配准、图像检索等领域进行特征匹配。汤LoFTR的源码结构清晰,可以通过自定义数据集进行训练和测

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值