對應(yīng)崗位為：基礎(chǔ)研究或圖像相關(guān)崗位，題目來源自同學(xué)們的匯總。。
一部分是我自行總結(jié)的，所以也不一定正確，歡迎捉蟲。

每個問題都不停止的追問自己為什么，因為在面試中面試官肯定會不停的追問的。

之所以現(xiàn)在才發(fā)，是因為之前曾經(jīng)有面試官照著我這篇東西問我（因為寫了博客地址），而現(xiàn)在，完全沒在怕的~
提供的回答僅供參考，不一定對。存在一些沒有提供參考回答的，純粹因為我懶了 。。
以及沒有概括到的阿里、滴滴、華為啥的我沒面試的崗位就寫的不細，不過根據(jù)打聽的情況，都是差不多的。
當(dāng)然了，這個領(lǐng)域日新月異的，加上我比較關(guān)注生成式任務(wù)，肯定會有其他概括不到的地方，見諒見諒。
找工作運氣也很重要，不要因為一時打擊就灰心哦。
–2018.1.30
理論部分
深度學(xué)習(xí)

??? （通甲優(yōu)博實習(xí)面試）視覺計算任務(wù)有哪些，你怎么分類
??? 我把任務(wù)分為像素級別、目標(biāo)級別、理解級別。
??????? 像素級別的任務(wù)一般是傳統(tǒng)的圖像處理任務(wù)，他們不需要用到圖像的語義信息，或者最多用到底層特征（比如圖像的邊緣、紋理），這些任務(wù)有圖像增強、傳統(tǒng)的圖像復(fù)原（如去噪、去模糊）、傳統(tǒng)的圖像分割（比如基于種子生長的方法）、圖像加密等。
??????? 目標(biāo)級別的任務(wù)需要用到語義信息，所以提取的特征是高層特征，CNN作為優(yōu)良的特征提取器在這個級別的任務(wù)上能夠大展拳腳，比如目標(biāo)定位、識別、檢測，以及用到語義特征的分割和大量的圖像生成。
??????? 理解級別的任務(wù)不僅描述圖象中的目標(biāo)，還要解釋他們之間的聯(lián)系，比如一些“看圖說話“的圖像翻譯任務(wù)。

??? CNN的特點以及優(yōu)勢
??? CNN使用范圍是具有局部空間相關(guān)性的數(shù)據(jù)，比如圖像，自然語言，語音
??????? 局部連接：可以提取局部特征。
??????? 權(quán)值共享：減少參數(shù)數(shù)量，因此降低訓(xùn)練難度（空間、時間消耗都少了）。
??????? 可以完全共享，也可以局部共享（比如對人臉，眼睛鼻子嘴由于位置和樣式相對固定，可以用和臉部不一樣的卷積核）
??????? 降維：通過池化或卷積stride實現(xiàn)。
??????? 多層次結(jié)構(gòu)：將低層次的局部特征組合成為較高層次的特征。不同層級的特征可以對應(yīng)不同任務(wù)。
??? （17網(wǎng)易校招筆試）推導(dǎo)backward
??? 這些層如何backword計算：
??????? conv：
??????? pooling：
??????? deconv：
??? （17yy校招面試）解釋deconv的作用：
??? （美圖面試）解釋BN（寫出公式）以及實現(xiàn)機制：
???
??? （美圖面試）解釋dropout以及實現(xiàn)機制：
??? （美圖面試）深度學(xué)習(xí)中有什么加快收斂/降低訓(xùn)練難度的方法：
??????? 瓶頸結(jié)構(gòu)
??????? 殘差
??????? 學(xué)習(xí)率、步長、動量
??????? 優(yōu)化方法
??????? 預(yù)訓(xùn)練
??? （美圖面試，yy面試）什么造成過擬合，如何防止過擬合：
??????? data agumentation
??????? early stop
??????? 參數(shù)規(guī)則化
??????? 用更簡單模型
??????? dropout
??????? 加噪聲
??????? 預(yù)訓(xùn)練網(wǎng)絡(luò)freeze某幾層
??? （yy面試）規(guī)則化項有什么，各有什么樣的效果，為什么起作用
??? （騰訊筆試）為什么梯度會消失和爆炸：
??? 深度網(wǎng)絡(luò)激活元的作用、分類和各自使用范圍/優(yōu)劣
??? （騰訊筆試）正則化方法以及特點：
??? 損失度量：
??? （騰訊面試，yy面試）解釋softmax、logit regression、交叉熵（要回推導(dǎo)）：
??? 有什么優(yōu)化方法：
??? （阿里面試）解釋alpha狗：
??? 解釋resnet、優(yōu)缺點以及適用范圍：
??? 解釋inception net、優(yōu)缺點以及適用范圍：
??? 解釋RNN：
??? GAN的公式以及發(fā)展歷程：
??????? 會寫公式
??????? 知道變體
??????? 優(yōu)缺點
??? （2017網(wǎng)易校招筆試 ）densenet結(jié)構(gòu)優(yōu)缺點以及應(yīng)用場景
??? （2017網(wǎng)易校招筆試 ）dilated conv優(yōu)缺點以及應(yīng)用場景
??? （2017網(wǎng)易校招筆試 ）moblenet、shufflenet的結(jié)構(gòu)

機器學(xué)習(xí)

??? （騰訊面試）有什么降維方法：
??? 有什么分類算法：
??? 偏差和方差：
??? 判別模型和生成模型：
??? （騰訊面試）設(shè)計一個企鵝音樂的推薦系統(tǒng)：
??? （滴滴筆試）增強學(xué)習(xí)的相關(guān)內(nèi)容：
??? （2017騰訊實習(xí)筆試）
??????? 概率論（幾個重點分布、切比雪夫不等式、t檢驗）
??????? 線性代數(shù)（特征值計算、行列式計算）

實踐部分

??? 你使用什么編程框架，有什么特點：
??? 使用該框架搭建一個網(wǎng)絡(luò)并訓(xùn)練的具體流程有什么：
??? 如何解決梯度消失：
??? 如何解決梯度爆炸：
??? 如何判斷是否收斂：
??? 如何選擇優(yōu)化方法：
??? 實現(xiàn)卷積層的backward編程：
??? （17yy面試）用c++/python實現(xiàn)讀取文本文件（txt）行數(shù)的功能
??? （17yy面試）python中有什么數(shù)據(jù)結(jié)構(gòu)，有什么不同
??? list，tuple，dict，set
??? （17yy面試）python中range和xrange有什么不同
??? （17yy面試）python中如何重寫一個len函數(shù)，解釋__call（）
??? 12.

課題部分
度量

??? 重建任務(wù)的度量有哪些，給出解釋/公式：
??? 識別任務(wù)的度量有哪些：

傳統(tǒng)圖像處理

??? 有什么圖像的銳化方法：
??? 全局和局部特征提取算法分別有：
??? 全局和局部特征提取算法有啥不同：
??? 解釋HOG：
??? 解釋sift：
??? 解釋

風(fēng)格轉(zhuǎn)換

介紹該領(lǐng)域
圖像生成

介紹該領(lǐng)域
解釋重建任務(wù)中的常用技巧：
圖像復(fù)原

介紹該領(lǐng)域
圖像分割

介紹該領(lǐng)域
目標(biāo)檢測

介紹該領(lǐng)域

總結(jié)

以上是生活随笔為你收集整理的视觉计算/深度学习/人工智能 笔试面试 汇总（腾讯、网易、yy、美图等）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。