一面1.C++和python的区别？2.Python比C++好在哪里？3.python怎么做内存回收？4.哪种激活函数能缓解梯度爆炸弥散 ?5.Pooling是不是线性操作？6.输入是特征向量的分类网络，怎么找比较重要的那些特征？7.yolo 介绍？8.检测任务中解决正负样本不均衡的方法？9.dropout为什么能解决过拟合 ？10.卷积有哪些变种？

1.自我介绍2.项目介绍3.CNN为什么要做卷积，为什么要有步长，为什么不用全连接层，它的反向传播是什么4.说一下交叉熵损失函数，什么是交叉熵5.faster rcnn中为什么会有anchor，没有anchor会怎样6.faster rcnn中ROI pooling层有什么不足，什么是ROI align，什么是双线性插值7.二叉树的同构子树8.怎么处理样本的不均衡，尤其是各个图像检测模型中9.求CNN中的参数个数10.tensorflow的流程，读取数据的方式，调用的库11.图象图形学相关知识，eg（边缘检测）12.SVM和LR的区别，SVM损失函数的约束条件

技术核心面1.如何计算CNN所需要的计算力（FLOPs）和参数量（Parameters）？ 2.YOLO v2和v3是如何通过k-means来计算anchor box的？ 3.YOLO和SSD的区别？ 4.为什么GAN的generator比discriminator更难训练？ 5.label smoothing 和 mixup如何实现？ 6.cross entropy，logistic loss 和 KL-divergence的关系和区别？ 7.灰度直方图，直方图均衡化，直方图规定化？ 8.YOLO v3简介？ 9.Attention模块？ 10.聚类算法？ 11.relu为什么可以防止梯度消失？为什么正则化可以防止过拟合？ 12.pytorch dataloader多进程和队列？

三面技术面1．解释GoogLeNet的Inception模块的原理 2．解释反卷积的原理和用途 3．解释批量归一化的原理4．解释SVM核函数的原理 5．什么是过拟合，过拟合产生的原因是什么？有什么方法能减轻过拟合？6．什么样的函数可以用作激活函数？ 7．什么是鞍点问题？ 8．在训练深度神经网络的过程中，遇到过哪些问题，怎么解决的？ 9．SVM如何解决多分类问题 10．列举你知道的聚类算法 11．K均值算法中，初始类中心怎么确定 12．简述EM算法的原理 13.列举神经网络的正则化技术

三面面经汇总（凉经）1.介绍 Batch Normalization 的意义 2. 解释 bias 和 Variance 之间的权衡关系3. 假如深度学习模型已经有了 1000 万个人脸向量，如何通过查询来找到新的人脸？ 4. 对于分类问题，精度指标是否完全可靠？你通常使用哪些度量来评估你的模型？ 5. 如何理解反向传播？解释其作用机制？ 6. 激活函数是什么意思？激活函数的饱和区间是多少？ 7. 模型的超参数是什么？它和参数有什么不同？ 8. 当学习率太高或太低时会怎么样？ 9. 当图像尺寸变为 2 倍，CNN 的参数数量变为几倍？为什么？ 10. 如何处理不平衡数据？ 11. 当训练深度学习模型时，Epoch、Batch 和 Iteration 概念是什么意思？ 12. 数据生成器的概念是什么？我们什么时候需要使用它？

一面主要问题1、自我介绍、项目介绍 2、死锁出现的原因以及如何避免 3、算法题：畅通工程4、介绍轻量级网络5、介绍分布式训练 6、pytorch与tensorflow的区别 7、过拟合原因和解决方法 8、bn层作用 9、介绍网络：Faster-RCNN、YOLO、SSD、YOLOv1、YOLOv2、YOLOv3、Masker-RCNN、GAN 10、如何提升mAP，举个例子 11、如何解决不收敛的问题，举个例子 12、介绍优化器 13、CenterNet的实现细节（argmax）

一面和二面1.自我介绍2.介绍怎么做的 3.项目相关的一堆问题 4.你还做什么 5.讲一下目标检测都有哪些方法 6.讲一下faster rcnn 7.数据集 8.权重怎么设置 9.做了哪些改进，提升 10.目标检测、分割了解吗 11.有用过哪些小网络吗 12.mobilenet怎么实现 13.pooling层怎么反向传播 14.数据输入是怎么处理的15.ROI层是怎么实现的，怎么做的映射 16.yolo和SSD区别

电话面试1、自我介绍 2、为什么来滴滴 3、讲一讲你的考古实习（我简历上的内容） 4、考古实习让你学到了什么 5、你的职业规划 6、你怎么看待招聘？ 7、你的实习时间 微信面试 1、为什么选择找自动驾驶实习生工作？ 2、你的职业规划是什么？ 3、你在参加滴滴自动驾驶这次面试前做了什么准备？ 4、你的研究生生活经历 5、你对自己的评价？ 6、你认为自己的缺点是什么？ 7、你现在还有面其他公司吗？ 8、你的可实习时间？ 9、你对通勤的要求 10、有时间可以来公司见见面（我时间不太方便，暂时拒绝了），约定当天晚上给我答复并视频通话做一些职位的说明

面试中主要问题1.项目介绍 2.你所负责的网络结构的特点 3.为什么用卷积替代池化 4.卷积的优点，池化的优点 5.对数据的处理 6.介绍了数据采集和划分的过程，交叉验证函数，参数的意义 7.Grad-cam可视化如何实现 8.随机森林 9.论文介绍 10.你说到中间层特征，fsp矩阵是什么 11.idea怎么来的，实现的过程，实验结果 12.算法：一个矩形由左上角坐标右下角坐标表示，求两个矩形的交集

一面 1.首先介绍自己 2.简历上的项目自己负责哪一块，实现了哪部分算法，贡献程度有多少 3.目标检测如何实现，如何优化？是否了解目标识别的历史 4.机器学习和深度学习有什么区别？你的看法是什么？ 5.相机标定的内参数外参数有哪些？ 6.请讲一下SVM原理 7.如何看待加班问题？对百度文化是否了解？ 8.平时如何学习，看哪些书视频 9.说一下NMS和soft-NMS 10.问了一道 leetcode原题，忘了...... 11.C++11的特性是否了解，使用auto方便在哪，请举一个例子 12.类的继承，堆栈区别以及适用场景 总结：面试官建议注重一些底层算法的研究，数据结构、决策树还有普通的图像处理算法的实现方法