深度学习

🤔 这道题是经典中的经典，超容易被问到，如果答不出来是很减分的！作者参加过的暑期实习和秋招的面试中这道题考了得有7次以上了（大多数为一面考察的）。每当面试官问到Transformer相关的八股，这道题几乎是必问的。📖 此题的答案是：由于Query和Key的点积操作使得结果方差变大d倍，导致模型容易出现梯度消失现象，因此需要除以根号d减小方差，避免梯度消失问题。详细的分析如图1所示。📈 图3和图4为验证不除以根号d会导致的注意力分数靠近0或1现象的代码。图2为结果。

科大讯飞飞星计划免笔试！内推🐴644X5S2🌟【科大讯飞2026届飞星计划秋招】正式启动🫵——投身AI技术战场，推动智能科技革命！❤️‍🔥为何选择飞星？🌐加入顶级AI团队，获得技术高管与领域专家双导师指导💰 提供行业竞争力的薪酬、股权激励及专利转化支持🚀 我们在寻找这样的星火✨🔥✅ 2026届技术类应届硕/博毕业生✅ 具备良较好的C/C＋＋或Python编程能力，熟悉数据结构、Linux操作系统等，有一定代码开发经历✅熟练常见深度学习算法和理论，掌握至少一种常见深度学习框架✅从事过AI相关研发任务，包括但不限于研究论文发表、研究项目经历、实习经历等🔍 岗位需求：AI研究算法工程师-智能语音方向/自然语言处理方向/深度学习框架和平台方向/计算机视觉方向📍工作地点：北京、合肥、西安、苏州、广州等💬 投递渠道：官网https://campus.iflytek.com?refrenceCode=644X5S2，内推🐴644X5S2💡内推特权：只要你投递，简历优先审核💡全周期追踪：实时查询进度，拒绝石沉大海🎉要点提示：飞星计划免笔试！！！

-------------------8.29一面总体项目聊的还行，但是出了一个思考题，硬控我20min，他们公司是容易硬控求职者的意思吧。聊项目，问我在蔚来的实习，车道线和freespace方面，只能说和矿山确实毫无关系。问了一些bev的八股，答的大差不差问我笔试第三题为啥没有全a，我是说我当时考虑到了走迷宫不规则的边界问题，但是没时间去实现了，感觉他们还挺看重笔试的。开始硬控环节，问我卷积操作怎么加速，提示可以写成两个矩阵相乘的形式，不知道各位佬有没有想法。然后问了c++智能指针的问题，这个我熟啊，直接开始吟唱反问矿山自动驾驶和城市自动驾驶的区别？怎么看待端到端自动驾驶和分模块的自动驾驶？

前言 时光荏苒，白驹过隙，又是一年招聘季。楼主是去年毕业的应届生，当时春招找实习的时候，天天泡在牛客看面经刷题，好不怀念！现在准备整理下自己当时搜集的一些高频面试题，分享给牛友们。题目范围主要是机器学习以及深度学习相关的，都比较基础，但是非常经典，很多都在实际面试过程中碰到过，所以我每次面试前都会看一遍，这样会让自己更有底气（心理作用hhh）。这篇主要是机器学习相关的知识，之后还会更新深度学习相关的面试题，感兴趣的同学可以关注一波。 知识总结  线性回归模型假设特征和结果满足线性关系；经过最⼤似然估计推导出来的待优化的⽬标函数与平⽅损失函数是等价的。   岭回归加入L2正则项，等价于对参数w引...

双非本双非硕本科:计科，硕士:交叉学科用到深度学习和机器学习做预测或者分类。🆘求助大佬:听说深度学习方面的工作非常看重学历。目前我这种情况，适合找什么工作，需要学习哪些知识

视觉算法岗面经 面试的岗位大部分是计算机视觉算法工程师，少部分算法优化、部署岗。总的来说，大部分公司的技术面试都分为这几个部分：项目描述和细节提问、深度学习+目标检测算法、数据结构和算法代码及编程语言相关。下面是我面试当中问到的一些问题。 一，项目 主要是描述项目背景、项目实现的功能及使用的方法和流程，面试官会针对他感兴趣的点问一些技术细节，基本上只要能把项目流利的描述出来就问题不大。 二，深度学习、模型部署 2.1，目标检测相关 1，两阶段检测网络（Faster RCNN 系列）和一阶段检测网络（YOLO 系列）有什么区别？以及为什么两阶段比一阶段精度高？  双阶段网络算法更精细，把任务分成...

本科21非科班，top双非硕，cv方向，简历挂了一堆。想转开发，但是开发一点不会啊，只能无脑冲了…大佬们都在哪个赛道啊

秋招的第一次面试0815，当时还在公司实习，也没有太过多准备，很多东西回答的都不是很好；提前批挂了之后正式批也是直接简历挂1. 详细讲讲量产模型与MultiPath++与VectorNet模型的区别和改进？2. 交互用的是什么？MCG与cross-attention的区别？3. 地图的建模是如何的呢？4. 一个元素8个点，表示较短的道路来说是足够的，但是如果是表示较大的路口是不是不太够呢？ⅰ. 会不会出现地图元素的失真呢？比如对于一个polygon进行降采样，可能会使得某些角落失真。ⅱ. 这会不会影响一些道路的硬边界失真，使得车辆穿过的问题？会有些后处理的规则或则添加模型的loss直接约束呢？5. 预测模型的loss会有哪些？a.  轨迹xy序列与真值的lossb. 概率的loss是如何定义和训练的？c. 意图的loss是如何定义和训练的？d. 交叉熵损失和KL损失有什么区别？6. 每批数据里面，cut-in可能是比较少的值，那这样的话会有严重的数据不平衡问题，这是如何解决的呢？7. 比如真实场景下，cut-in只有比较少的，调整cut-in的数据，增加他分布的占比，会不会导致相较于真实世界，更多的召回cut-in？8. 模型部署这方面，有什么不支持的onnx算子吗？有什么限制吗？9. 预测不同的轨迹数量，是不是只有时延的考虑，能详细讲讲效果的考虑这方面吗？10. MultiPath++的EM算法讲一下手撕：棋盘问题DFS