日常实习-小米计算机视觉算法岗面经

文章目录

• 流程
• 问题
• • 请你写出项目中用到的模型代码，Resnet50
  • • （1）网络退化现象：把网络加深之后，效果反而变差了
    • （2）过拟合现象：训练集表现很棒，测试集很差
  • 把你做的工作里面的模型替换成ViT能行吗？
  • 有了解过Stable difussion，transformer吗？
• 总结

流程

• 自我介绍
• 介绍项目
• 介绍论文
• 写代码

问题

请你写出项目中用到的模型代码，Resnet50

面试官：写出一个单元就好了。
实际面试过程中写出伪代码就好，
源代码：vision/torchvision/models/resnet.py

class BasicBlock(nn.Module):
    expansion: int = 1

    def __init__(
        self,
        inplanes: int,
        planes: int,
        stride: int = 1,
        downsample: Optional[nn.Module] = None,
        groups: int = 1,
        base_width: int = 64,
        dilation: int = 1,
        norm_layer: Optional[Callable[..., nn.Module]] = None,
    ) -> None:
        super().__init__()
        if norm_layer is None:
            norm_layer = nn.BatchNorm2d
        if groups != 1 or base_width != 64:
            raise ValueError("BasicBlock only supports groups=1 and base_width=64")
        if dilation > 1:
            raise NotImplementedError("Dilation > 1 not supported in BasicBlock")
        # Both self.conv1 and self.downsample layers downsample the input when stride != 1
        self.conv1 = conv3x3(inplanes, planes, stride)
        self.bn1 = norm_layer(planes)
        self.relu = nn.ReLU(inplace=True)
        self.conv2 = conv3x3(planes, planes)
        self.bn2 = norm_layer(planes)
        self.downsample = downsample
        self.stride = stride

    def forward(self, x: Tensor) -> Tensor:
        identity = x

        out = self.conv1(x)
        out = self.bn1(out)
        out = self.relu(out)

        out = self.conv2(out)
        out = self.bn2(out)

        if self.downsample is not None:
            identity = self.downsample(x)

        out += identity
        out = self.relu(out)

        return out

里面的精华部分如下，我跳着写：

def __init__():
	self.conv1 = conv3x3(inplanes, planes, stride)
	self.bn1 = norm_layer(planes)
	self.relu = nn.ReLU(inplace = True)
	self.conv2 = conv3x3(planes, planes)
	self.bn2 = norm_layer(planes)
	self.downsample = downsample
	self.stride = stride

def forward(self, x: Tensor) -> Tensor:
	identity = x
	
	out = self.conv1(x)
	out = self.bn1(out)
	out = self.relu(out)
	
	out = self.conv2(out)
	out = self.bn2(out)
	
	if self.downsample is not None:
		identity = self.downsample(x)
	
	out += identity
	out = self.relu(out)

	return out

在面试官的提示下我写了大概这样的伪代码：

def forward(x):
	identity = x
	out = conv2d(x)
	out = batchnorm(out)
	out = relu(out)
	
	out = conv2d(x)
	out = batchnorm(out)
	
	out += identity
	out = relu(out)
	
	return out

面试结果还没出，不保证我这样写是正确的！

进一步了解Resnet50，来自B站的同济子豪兄【精读AI论文】ResNet深度残差网络

• 有几种不好的现象：

（1）网络退化现象：把网络加深之后，效果反而变差了

用人话说明：一个孩子报名了课外辅导班，结果不仅作业写得更差了，考试也更差了；（学多了反而导致结果更糟糕）

（2）过拟合现象：训练集表现很棒，测试集很差

用人话说明：一个孩子作业做的很棒，一上考场就发挥失常；

把你做的工作里面的模型替换成ViT能行吗？

有了解过Stable difussion，transformer吗？

有一点点
【渣渣讲课】试图做一个正常讲解Latent / Stable Diffusion的成年人

总结

一面会重点针对简历上写的论文和项目，以及考察一些和岗位相关的前沿知识，坐在实验室是绝对绝对感受不到这些的！要勇敢踏出第一步；

间隔2天，官网显示流程终止 ╥﹏╥…