深度腦殘的阿里面試記錄

一個項目一個比賽兩道編程題 7.10-8.33 。1小時20分鐘大概。趁記得晚上寫下來，也當是給大家試試水！

1 介紹了下自己做的項目 智能安防檢測

針對項目問了：

1 在性能上的優化做了哪些改進？

額，速度呀，召回率啊，對硬體的要求啊。。balablablab。。。

2 你使用的SSD 具體的網路改進方案 ，在tx2 實現了還是在gpu 上實現了？

balabalbalab。。。說了一大推

3 SSD中需要預測哪些量 和yolo 有什麼區別？

（分別從anchors數 ，SSD預測的offset和 yolo中的中心點位置 來回答）

4 yolo 中的anchor 和 faster -r cnn 的anchor怎麼實現的，如何得到預測框？

（這個可以結合代碼來解讀，yolo中的NMS 和 IOU 先後次序，faster-rcnn 中的9個anchor從剛開始的幾萬個如何到最後的2000個，注意這裡已經使用了一個boundingbox 回歸，faster-rcnn的兩次位置回歸是在不同層實現的）

5rpn具體的操作流程

（還是結合上述問題，根據VGG的baseline 從conv5開始講述，輸出的feature map 個數，每個點對應的9個anchors，每個anchors分為前景和背景，再加上4個偏移量，結構主要可以總結為 生成anchors-> 分類器softmax提取前景和背景->bbox的reg 回歸->生成的proppsal）

6resnet 中的網路為什麼可以這麼深

（主要的亮點 殘差連接和它的batch-normalization）

7bn層和殘差連接具體是怎麼防止梯度彌散的

（bn 層在前向傳播中起到的調整數據分布作用，以及殘差連接在後向傳播的concat）

二 阿里天池大賽 肺結節檢測

首先講解下比賽的演算法框架 介紹了比賽的思路和大致操作 之後問了：

1怎樣對數據預處理的

各種旋轉 偏移 啊，但這個在實際操作中不要太莽，小步慢跑。對數據集的擴充啊，甚至可以聊會gan網路

2 u- net 網路結構，分割網路的損失函數

（可以去看會論文，比賽考慮用的DICE 係數來構建損失函數。考慮的方面么 從 為什麼可以這樣，到為什麼選擇這個做分析 ：

1 Dice 係數是一種集合相似度函數，用來評判兩個樣本之間的相似程度，兩個樣本相似度越好，Dice係數越大,相應的損失就越小，故可採用1-Dice作為損失。 2比傳統分割過程中使用的BCELoss有更好的效果。最後 跑完確實還不錯 所以就用了，畢竟比賽嘛 ）

3分類網路中怎樣提高召回率

（具體從感受野和大小目標檢測的優化做了分析和討論）

4怎樣對小結節檢測的魯棒性優化

（繼續討論。。。）

5感受野的概念 你使用的inception -resnet 有何好處？

（深入討論。。。oh mygod 得虧看的代碼和論文也有幾篇）

6在模型融合中做了哪些工作 ？boosting 和bagging 的區別，gbdt 屬於哪類？（機器學習中比較常問的，大致答了下）

7 在提取到的特徵方面有沒有想過更好的融合方法？

好了 問完後直接給發了個在線郵件編程鏈接

兩道題

1 單鏈表的排序（快慢指針先找中點，然後再使用歸併排序，敲代碼期間面試官在喝茶。。別問我咋知道的）

2 敲出SGD代碼 給了x y還有mse 輸出w ！（回憶了下以前復現的代碼，然後敲了大概20分鐘，期間有提示一次）

最後，面完！面試官說，面的時間有點長，我還遲到了會，抱歉了（之前約好7點的）。然後就問我有啥問題么？額 ，，，臉都紅了，頭都被你問炸了 ，我還有啥問題？？？問了下部門做的細化 圖片搜索推薦 有沒用到仿生學神經網路？然後答了一波後，就問了下 啥時候有通知balabala。。。 後面balabala。。

發帖，攢人品呀，有幫助你們一些我就很開心。畢竟大家好才是真的好！