基礎
一、關於現有模型
你想要招聘什麼崗位，比如人臉識別，目標檢測，ocr。然後問問當下比較流行的模型，讓其複述其結構。如何微調，注意哪些引數。
二、無論是人臉識別，是目標檢測，還是ocr裡面都有一些特殊的東西，比如rpn，iou，ctw等等，讓他解釋下。
階級三、基本網路
流行的網路結構，比如resnet mobilenet inception 每一代的特點。優缺點。nin是什麼意思。
四、如何驗證效果，對feature map attention map的理解
提高五、關於壓縮模型方面
1、網路中哪部分占有很多的引數
2、怎麼壓縮
六、最近的新出的諮詢介紹下。
比較i偏的問題
1 圖的概念
tfreacord recordio資料儲存檔案格式解釋下
2 機器學習一些問題
線性回歸 分類 svm knn kmean boost等等 還有召回率 等等問題
3 影象演算法一些問題
4 伺服器問題 flask 手機sdk
5 等等問題
最怕什麼？
參加工作不久的面試員，一年左右的。其中特別是女面試員。那問的，心都能碎一地。
深度學習面試
cnn抓住此共性的手段主要有四個 區域性連線 權值共享 池化操作 多層次結構。relu 解決了gradient vanishing問題 在正區間 計算速度非常快，只需要判斷輸入是否大於0 收斂速度遠快於sigmoid和tanh loss.有哪些定義方式 基於什麼？有哪些優化方式，怎麼優化，各自的好處...
深度學習面試
1.列舉常見的一些範數及其應用場景，如l0，l1，l2，l frobenius範數 2.簡單介紹一下貝葉斯概率與頻率派概率，以及在統計中對於真實引數的假設。3.概率密度的萬能近似器 4.簡單介紹一下sigmoid，relu，softplus，tanh，rbf及其應用場景 5.jacobian，hes...
深度學習面試準備
深度學習離不開神經網路，我主要是做視覺方面的，所以做線性回歸問題不多，主要是影象方面的問題，例如影象分類 classification 檢測 detection 語義分割 例項分割 segmentation 主要會涉及到 卷積神經網路 cnn 本人對卷積神經網路的基本結構比較熟悉，所以就先直接介紹c...