2025-05-16 12:44 重庆邮电大学 测试开发 发布于重庆
关注
阅文测开一面凉
回答的不好，只面了15min，且无代码考核，根据项目来问，项目涉及图像，一直问图像
1.自我介绍
2.项目中python处理数据的具体功能点是什么，如何实现，实现逻辑？
在这个项目中，Python 主要是用来处理频谱图的数据预处理部分，包括数据采集、图像转换、格式整理、批量生成训练数据集等操作。
具体功能上，我做了这些事情：
读取原始频谱信号数据，转换为灰度图像格式，方便后续输入模型；
批量处理数据集，比如 resize 图像、标准化像素值，统一尺寸和格式；
脚本化封装：写了 Python 脚本，支持一键批量生成训练数据和标签，并划分训练集和验证集；
数据增强处理：做了一些图像增强，比如加噪声、裁剪等，提升模型泛化能力；
最后配合 PyTorch 加载数据，做了 Dataset 类封装，用 DataLoader 提高训练效率。
整体的实现逻辑就是：原始数据 → 脚本预处理 → 图像/张量 → 模型训练输入。
3.原始数据存储在哪里的？
本地文件系统里的，主要以频谱信号的原始数据文件或图像格式文件存在，文件组织是按场景和时间段分类的，比如不同频段、采集时间，放在不同的文件夹中。
我在项目中会用 Python 脚本去遍历这些文件夹，读取 .csv、.npy 或者 .png 等格式的数据，然后统一转成模型训练需要的输入格式，比如张量或标准化后的灰度图像。
4.读取图像之后，怎么去判断异常情况？
在读取图像之后，我这边会做几步来判断有没有异常情况，主要从格式、尺寸、像素值这几个方面入手：
格式校验：先判断文件是否真的是图像，比如用 Python 的 PIL.Image.open() 或 cv2.imread() 尝试读取，如果读出来是 None 或报错，就说明图像可能损坏或不是有效格式；
尺寸检查：有些图像可能大小不一致，会影响模型训练，我会加一段逻辑去检查图像的宽高，比如不是标准的 128x128 或 256x256 的就当异常图过滤掉；
像素值判断：会检查图像是否为空图或者全黑、全白，比如判断 np.mean(image) 的值是否极端偏高或偏低，超过阈值就认为异常；
灰度值分布：我还做过统计像素分布直方图的方式，快速扫一批图看是否有明显噪声或干扰图，属于图像质量分析的一部分；
5.给你一张图片，如何让判断这张图片他是包含空白区域
想判断它是否包含空白区域（比如全白、全黑、透明、或边缘有大片空白），我可以用 Python + OpenCV 或 PIL 来处理。然后用 numpy 去判断像素值分布。如果一整块区域（比如边缘）像素值非常接近 255（白）或 0（黑），并且面积占比超过一定阈值，就可以认为这张图有明显的空白区域。
比如我会计算：
图片整体或边缘区域的平均值
或者统计像素值大于某个阈值（比如 250）的像素点占总面积的比例
如果比例超过 30%～50%，那就标记为“有空白”。
6.自动化测试平台的搭建是怎么完成的，怎么实现的，自动化平台平台是为了干什么，怎么去实现这个平台。
我们用 Python 写了测试脚本，把输入数据批量喂给模型，输出补全图像，再和原图进行对比，自动计算 PSNR、SSIM 等图像质量指标。然后我又做了一个简单的界面，用 Flask 写的，可以一键上传数据集，后台自动执行测试流程，跑完生成对比图和指标报告。
#牛客AI配图神器#这个平台主要是为了解放手动工作，让我们每次调模型结构或改参数后，都可以快速、统一地验证模型表现。同时也方便其他同学复现验证过程，不用每次都跑 notebook 或命令行。
回答的不好，只面了15min，且无代码考核，根据项目来问，项目涉及图像，一直问图像
1.自我介绍
2.项目中python处理数据的具体功能点是什么，如何实现，实现逻辑？
在这个项目中，Python 主要是用来处理频谱图的数据预处理部分，包括数据采集、图像转换、格式整理、批量生成训练数据集等操作。
具体功能上，我做了这些事情：
读取原始频谱信号数据，转换为灰度图像格式，方便后续输入模型；
批量处理数据集，比如 resize 图像、标准化像素值，统一尺寸和格式；
脚本化封装：写了 Python 脚本，支持一键批量生成训练数据和标签，并划分训练集和验证集；
数据增强处理：做了一些图像增强，比如加噪声、裁剪等，提升模型泛化能力；
最后配合 PyTorch 加载数据，做了 Dataset 类封装，用 DataLoader 提高训练效率。
整体的实现逻辑就是：原始数据 → 脚本预处理 → 图像/张量 → 模型训练输入。
3.原始数据存储在哪里的？
本地文件系统里的，主要以频谱信号的原始数据文件或图像格式文件存在，文件组织是按场景和时间段分类的，比如不同频段、采集时间，放在不同的文件夹中。
我在项目中会用 Python 脚本去遍历这些文件夹，读取 .csv、.npy 或者 .png 等格式的数据，然后统一转成模型训练需要的输入格式，比如张量或标准化后的灰度图像。
4.读取图像之后，怎么去判断异常情况？
在读取图像之后，我这边会做几步来判断有没有异常情况，主要从格式、尺寸、像素值这几个方面入手：
格式校验：先判断文件是否真的是图像，比如用 Python 的 PIL.Image.open() 或 cv2.imread() 尝试读取，如果读出来是 None 或报错，就说明图像可能损坏或不是有效格式；
尺寸检查：有些图像可能大小不一致，会影响模型训练，我会加一段逻辑去检查图像的宽高，比如不是标准的 128x128 或 256x256 的就当异常图过滤掉；
像素值判断：会检查图像是否为空图或者全黑、全白，比如判断 np.mean(image) 的值是否极端偏高或偏低，超过阈值就认为异常；
灰度值分布：我还做过统计像素分布直方图的方式，快速扫一批图看是否有明显噪声或干扰图，属于图像质量分析的一部分；
5.给你一张图片，如何让判断这张图片他是包含空白区域
想判断它是否包含空白区域（比如全白、全黑、透明、或边缘有大片空白），我可以用 Python + OpenCV 或 PIL 来处理。然后用 numpy 去判断像素值分布。如果一整块区域（比如边缘）像素值非常接近 255（白）或 0（黑），并且面积占比超过一定阈值，就可以认为这张图有明显的空白区域。
比如我会计算：
图片整体或边缘区域的平均值
或者统计像素值大于某个阈值（比如 250）的像素点占总面积的比例
如果比例超过 30%～50%，那就标记为“有空白”。
6.自动化测试平台的搭建是怎么完成的，怎么实现的，自动化平台平台是为了干什么，怎么去实现这个平台。
我们用 Python 写了测试脚本，把输入数据批量喂给模型，输出补全图像，再和原图进行对比，自动计算 PSNR、SSIM 等图像质量指标。然后我又做了一个简单的界面，用 Flask 写的，可以一键上传数据集，后台自动执行测试流程，跑完生成对比图和指标报告。
#牛客AI配图神器#这个平台主要是为了解放手动工作，让我们每次调模型结构或改参数后，都可以快速、统一地验证模型表现。同时也方便其他同学复现验证过程，不用每次都跑 notebook 或命令行。
全部评论
相关推荐
鸿雁于飞：先说offer1：中广核工程公司驻陆丰仪控调试（待遇19+4）
中广核这艘央企大船还是很稳的，集团综合效益稳居央企前列。但你得搞清楚，这个19+4的"19"是总包，不是到手数——招聘宣传待遇里把所有能算的都算进去了，饭卡福利积分啥的全包含，有牛油分享实际到手大概打七折。试用期到手可能就四五千的水平，转正后基本工资4800左右，其余靠绩效、年终、大修费撑着。不过核电的工作环境有点"牢笼感"——核电站位置偏僻，远离繁华都市。工程公司是承包商性质，干活比业主公司累，而且大概率要经常出差，有的岗位年出差天数100天以上。最大问题是你这1800km的距离过于离谱，核电员工工作强度最小的时候一周也就回一次家，离得远回家成本高，夫妻感情和亲子关系都是现实考验。说白了：高薪是拿青春和生活换的。
再来看offer2：张家口卷烟厂（待遇约13个）
张家口卷烟厂是河北中烟下属三家卷烟厂之一，河北中烟主打的"荷花"系列连续多年位居全国高端卷烟品牌销量前列。烟草系统薪资由基本工资+绩效+年终奖构成，综合年薪普遍显著高于当地平均水平，六险二金齐全，福利拉满。有人问"13个是不是太平平无奇了"——关键张家口是四线城市，生活成本低，这13万的购买力相当于深圳的二十多万。离家500km，开车半天到家，周末回趟家完全可行，幸福感直接上两个档次。中广核的牛油说了句大实话： "哪个核电站好？永远是离家近的那个最好。" 选烟厂同理。
但是，卷烟厂的坑你得清楚：
首先卷烟厂和烟草局不一样，卷烟厂是生产操作类岗位，很多要三班倒。报考条件明确写了要能"胜任夜班工作和长时间站立工作"。一线操作工每天盯着流水线卷烟，工作内容高度重复，有入职的人描述为"食之无味弃之可惜"。有牛油直言"卷烟厂和商业性质的烟草公司不一样，前者很坑很累"。其次你家里人不是不喜欢，而是担心你这211计算机科班出身，进了烟厂干操作工，技能会快速退化，未来如果行业改革，技术壁垒不高，转行比较困难。等你干两年再跳出来，技术栈全忘干净了，回头再去敲代码，发现连应届生都卷不过。
老牛油的灵魂三问：
1. 你是更怕穷，还是更怕想家？ 如果特别恋家的人跑1800km之外，第一年哭鼻子的概率高达80%。陆丰那地方偏僻单调，核电基地又远又闷，闲下来除了打游戏没啥娱乐，社交圈也窄。找个对象都费劲——牛油亲测核电站"狼多肉少"。
2. 你的代码能力有多"一般"？ 如果真的一般，仪控调试和你专业匹配度不算高，这活儿主要是工程改造设计、现场实施管理、在建机组设计审查等，偏工程向而非纯软开。干两年后跳回互联网赛道，竞争力不一定有明显提升。反倒是烟厂不需要你写代码，进去就是稳定躺平。
3. 烟草局下岸这事儿会不会让你耿耿于怀？ 如果烟草局是你第一志愿，烟厂只是plan B，那得想清楚：进去了可能每天看着天花板想"如果当初去了烟草局该多好"，这种内耗比钱少还折磨人。如果你能接受"反正都是烟草系统，先进去再说"的心态，那倒无所谓。
一句话总结：
如果年轻想拼想闯做技术积累，中广核虽然累和远，但简历上央企核电的金字招牌确实有含金量，加上到手收入在这两个选项里确实更高，考虑到你个人经济情况和家庭状况，假如家里不需要你常回去照顾，家里有兄弟姐妹帮手分担，那先去核电待三四年，积累经验再跳槽也不失为一步棋。
如果想安稳过日子离家近当"人上人"，烟厂低线生活成本加持，加上稳定的编制和福利体系，在张家***得滋润，幸福感吊打陆丰。尤其家里人是那种离不开你的，有烟厂的稳定且离家近，比任何高薪都实在。
点赞 评论 收藏
分享
字节跳动开奖383人在聊