TP-LINK 图像算法工程师(面经) 一面 1.自我介绍 2.聊项目内容,为什么用到机器学习深度学习。模型和训练和训练结果 3.抑制过拟合的方法有哪些 提前停止训练,更大数据集,正则化,dropout,集成学习,使用更简化的模型... 4.轻量级的网络有啥了解(mobilenet) 5 追问,mobilenet 特点 深度可分离卷积 6追问,深度可分...
TP-LINK图像算法工程师面经 ps:6.17投递,6.30测评 7.13一面 全程没问图像处理的东西,也没撕题...先自我介绍。。。然后问是保研还是考研的?本科成绩排名多少?研究方向是什么?有成果吗?介绍一下简历上几个项目。。。(项目都和图像处理没太大关系)反问环节。。。最后下来一共20多分钟,不到半个小时。。。 7.21二...
二维矩阵的旋转。 5.6 技术一面 20min 主要问项目细节没有手撕,问到faster rcnn与之前网络区别,detr原理,讲下yolov5. 5.8 技术二面 50min 项目细节,有没有用c++写过opencv,二维矩阵怎么缓解二重循环例如RGB转化成其他格式,进行加速(c++相关)。 职位主要是做嵌入式相关的,可能需要对底层比较熟悉。 技术面没有手...
参考回答:(我给他胡乱推了一遍。。)因为输入是x,卷积后的输出是f(x),它又将输入x加到输出f(x)上,所以最后的预测值是H(x)=f(x) + x,所以f(x) = H(x) -x,即所谓的残差(预测值H (x)与观测值x之差)。 你的领域给你印象最深的算法或者网络架构? 对不起,有几个记不清了。。。 ...
TP-LINK提前批 图像算法工程师(成都) 面经 6.15(一面) 时长:30min 1.自我介绍 2.项目介绍(后面问题根据项目展开的) 3.yolov3的结构说一下,为什么采用yolov3(略) 4.yolov4了解吗,说一下里面有哪些tricks(略) 5.densenet和resnet他们主要有什么不同(前者是特征拼接,后者是特征想加) 6.mobilenet里面网络的...
我的tp面试 ▫ 一面 15min左右 1.介绍项目 2.问题: 过拟合解决方法 经典机器学习算法,比如K近邻、kmeans聚类、随机森林、SVM支持向量机等 3.是否会C++?static 4.请你反问面试官 ▫ 二面 30min左右 1.项目 2.问题: 模型_牛客网_牛客在手,offer不愁
介绍一下简历上几个项目。。。(项目都和图像处理没太大关系) 反问环节。。。 最后下来一共20多分钟,不到半个小时。。。 7.21二面 先自我介绍。 聊简历上的一个项目,问细节。 聊研究方向,讲自己的工作。 穿插着问一些基础:比如GRU和LSTM比怎么减少参数量的?你知道多少种卷积核?卷积和FC的区别?
二维矩阵的旋转。 5.6 技术一面 20min 主要问项目细节没有手撕,问到faster rcnn与之前网络区别,detr原理,讲下yolov5. 5.8 技术二面 50min 项目细节,有没有用c++写过opencv,二维矩阵怎么缓解二重循环例如RGB转化成其他格式,进行加速(c++相关)。 职位主要是做嵌入式相关的,可能需要对底层比较熟悉。