蔚来感知算法实习一面面经+二面面经
1.手写nms，面试官本来要求用C++，我说不太会就改为用python了
2.深挖八股，第一面不聊项目和简历
从模型和数据的角度分别说一下如何解决梯度爆炸的问题？
更了解fasterrcnn还是yolo？能否大概说一下fasterrcnn的流程，两阶段主要解决了什么问题？
延伸，yolo中是怎么解决正负样本不均衡问题的？yolo中的object分支有什么作用
BN层的作用是什么，有什么可学习参数？
给定NCHW的输入，BN层的输出应该是什么？
在训模型的时候如果遇到显存占用了，但是后面的GPU利用率不高的情况，可能是因为什么？
在训模型的时候如果loss报Nan了，可能是因为什么？
Detr是怎么做到不用nms的，如何保证在一个目标附近只生成一个bbox
有点不爽，二面被面试官连续鸽了两次，一次提前20min一次进去等了10min
二面
由于我之前有过一段实习，面试官大概花了15分钟聊了一下实习内容
问问题基本是一些常规的八股，难度和第一面相比第一面要难一些
手撕是回字形遍历（惭愧，一开始有个地方写错了，太久不写手生了）
类似资料：