• Stars
    star
    1,230
  • Rank 37,881 (Top 0.8 %)
  • Language
  • Created over 6 years ago
  • Updated 2 months ago

Reviews

There are no reviews yet. Be the first to send feedback to the community and the maintainers!

Repository Details

AIGC-interview/CV-interview/LLMs-interview面试问题与答案集合仓,同时包含工作和科研过程中的新想法、新问题、新资源与新项目

DeepLearning-Interview-Awesome-2024 Language License AD

本项目涵盖了大模型(LLMs)专题计算机视觉与感知算法专题深度学习基础与框架专题自动驾驶、智慧医疗等行业垂域专题手撕项目代码专题优异开源资源推荐专题共计6大专题模块。我们将持续整理汇总最新的面试题并详细解析这些题目,希望能成为大家斩获offer路上一份有效的辅助资料。

2024算法面试题目持续更新,具体请 follow 2024年深度学习算法与大模型面试指南,喜欢本项目的请右上角点个star,同时也欢迎大家一起共创该项目。

该项目是持续更新:

  • 本文录入题目的原则:高新深,其中高是指-各大厂公司近年高频算法面试题,新是指-题目要新紧跟学术和工业界的发展,比如录入了大量大模型领域的面试题,深是指-题目要有一定的内容与深度,可以引人思考,比如面向业务场景改进的面试题;
  • 目前录入列表的题目,存在部分没有答案解析的题目,或者解析内容不全的题目,我们会尽快补上所有解析;
  • 目前录入列表的顺序,没有先后、频次、难度、细类别等维度信息,后续会再给予更多维度更详细的分类;

🏆大模型(LLMs)专题

01. 大模型常用微调方法LORA和Ptuning的原理
02. 介绍一下stable diffusion的原理
03. 为何现在的大模型大部分是Decoder only结构
04. 如何缓解 LLMs 复读机问题
05. 为什么transformer中使用LayerNorm而不是BatchNorm
06. Transformer为何使用多头注意力机制
07. 监督微调SFT后LLM表现下降的原因
08. 微调阶段样本量规模增大导致的OOM错误
09. Attention计算复杂度以及如何改进
10. BERT用于分类任务的优点,后续改进工作有哪些?
11. SAM分割一切网络中的Promot类型以及如何输入进网络
12. Transformer的层融合是如何做到的,其中Residue Network与Layer Norm如何算子融合
13. 简单介绍下Transformer算法
14. 在大型语言模型 (llms) 中减少幻觉的策略有哪些?
15. 你能否概括介绍一下 ChatGPT 的训练过程?
16. 在大型语言模型 (llms) 上下文中的标记是什么?
17. Adaptive Softmax在大型语言模型中有何用处?
18. 大模型微调的LORA原理及Lora怎么训练?
19. lora的矩阵怎么初始化?为什么要初始化为全0?
20. Stable Diffusion里是如何用文本来控制生成的?
21. Stable Diffusion相比Diffusion主要解决的问题是什么?
22. Diffusion每一轮训练样本选择一个随机时间步长?
23. Bert的预训练任务有什么?为什么引入下一个句子预测任务?
24. 领域数据训练后,通用能力往往会有所下降,如何缓解模型遗忘通用能力?
25. 在大型语言模型 (llms)中数据模态的对齐如何处理?
26. 训练通用目标检测器常会使用多源图像进行训练,如何处理新类别歧视?
27. 举例说明强化学习如何发挥作用?
28. 如何理解强化学习中的奖励最大化?
29. 如何提升大语言模型的Prompt泛化性?
30. Instruction Tuning与Prompt tuning方法的区别?
31. 知识蒸馏是将复杂模型的知识转移到简单模型的方法,针对知识蒸馏有哪些改进点?
32. Transformer中的Attention计算复杂度以及如何改进?
33. 进行SFT操作的时候,基座模型选用Chat还是Base?
34. 开源大模型进行预训练的过程中会加入书籍、论文等数据,这部分数据如何组织与处理?

🍳计算机视觉与感知算法专题

01. 人脸识别任务中,ArcFace为什么比CosFace效果好
02. FCOS如何解决重叠样本,以及centerness的作用
03. Centernet为什么可以去除NMS,以及正负样本的定义
04. 介绍CBAM注意力
05. 介绍mixup及其变体
06. Yolov5的正负样本定义
07. Yolov5的一些相关细节
07. Yolov5与Yolov4相比neck部分有什么不同
08. Yolov7的正负样本定义
09. Yolov8的正负样本定义
10. Yolov5的Foucs层和Passthrough层有什么区别
11. DETR的检测算法的创新点
12. CLIP的核心创新点
13. 目标检测中旋转框IOU的计算方式
14. 局部注意力如何实现
15. 视觉任务中的长尾问题的常见解决方案
16. Yolov5中的objectness的作用
17. 匈牙利匹配方法介绍
18. Focal loss的参数如何调,以及存在什么问题
19. 训练一个二分类任务,其中数据有80%的标注正确,20%标注失败
20. 目标检测设置很多不同的anchor,能否改善小目标及非正常尺寸目标的性能,除计算速度外还存在什么问题
21. Anchor-free的target assign怎么解决多个目标中心点位置比较靠近的问题
22. 如果在分类任务中几个类别有重叠(类间差异小)怎么办,如何设计网络结构
23. 在目标Crowded的场景下,经常在两个真正目标中间会出现误检的原因?
24. 在Unet网络结构中,四次降采样对于分割网络到底是不是必须的?
25. 为什么UNet++可以被剪枝,怎么去决定剪多少?
26. 在A场景下进行目标的标记及训练,如何在B场景下取得好的效果?
27. 如何修改Yolov5目标检测,从而实现旋转目标检测?
28. ViT、DEIT是如何处理变长序列输入的?
29. Transformer的注意力机制常用softmax函数,可以使用sigmoid代替吗?
30. VIT中对输入图像的处理是如何将patch变化为token的?
31. VIT直接用于分割检测等预测密集型的任务上存在什么问题?
32. DETR用二分图匹配实现label assignment,简述其过程
33. 有哪些可以解决目标检测中正负样本不平衡问题的方法
34. ORB特征提取的缺陷及如何进行改进
35. SAM在本地的模型推理效果明显差于线上web版本,有什么方式可以优化其效果?
36. 目标检测如何选取正负样本将会极大的影响最后的检测效果,举例ATSS如何处理的?
37. Anchor-Based检测器在正负样本标签分配阶段,如何去除对anchor的依赖?
38. 在CNN网络中,更大的核是否可以取得更高的精度?
39. 在轻量化模型中,举例一些从参数量、浮点运算量、模型推理时延进行优化的代表模型?
40. FPN的特征融合为什么是相加操作呢?
41. 如何理解concat和add这两种常见的feature map特征融合方式?

⏰深度学习基础与框架专题

01. 卷积和BN如何融合提升推理速度
02. 多卡BN如何处理
03. TensorRT为什么能让模型跑更快
04. 损失函数的应用-合页损失
05. Pytorch DataLoader的主要参数有哪些
06. 神经网络引入注意力机制后效果降低的原因
07. 为什么交叉熵可以作为损失函数
08. 优化算法之异同 SGD/AdaGrad/Adam
09. 有哪些权重初始化的方法
10. MMengine的一些特性
11. Modules的一些属性问题
12. 激活函数的对比与优缺点
13. Transformer/CNN/RNN的时间复杂度对比
14. 深度可分离卷积
15. CNN和MLP的区别
16. MMCV中Hook机制简介及创建一个新的Hook
17. 深度学习训练中如何区分错误样本和难例样本
18. PyTorch 节省显存的常用策略
19. 深度学习模型训练时的Warmup预热学习率作用
20. MMdetection中添加一个自定义的backbone网络,需要改哪些代码
21. PyTorch中的 ModuleList 和 Sequential的区别和使用场景
22. 考虑一个filter[-1 -1 -1; 0 0 0; 1 1 1] 用于卷积。该滤波器将从输入图像中提取哪些边缘
23. 深度学习中为什么不对 bias 偏置进行正则化?
24. 正则化为什么可以增加模型泛化能力
25. 深度学习模型中如何融入传统图像处理的特征?直接拼接融合有什么问题?
26. 多任务学习中各个任务损失的权重应该如何设计呢?
27. 为什么Adam常常打不过SGD?症结点与改善方案?
28. 如何处理不平衡的数据集?
29. Pytorch代码中如何尽量避免.to(device)的操作?
30. Pytorch中nn.Identity()/torch.chunk/torch.masked_select/torch.gather操作的应用场景?

🛺自动驾驶、智慧医疗等行业垂域专题

01. 相机内参和外参的含义?如果将图像放大两倍,内外参如何变化?
02. 坐标系的变换
03. 放射变换与逆投影变换分别是什么
04. 卡尔曼滤波Q和R怎么调
05. 如何理解BEV空间及生成BEV特征
06. 如何在标注存在错误的数据上训练模型
07. 视频与图像中的目标检测具体有什么区别
08. 栏杆检测为什么不用网络学习
09. 卡尔曼滤波怎么用同一个filter同时适配车辆横穿的场景
10. BEV特征怎么进行数据增强
11. 辅助驾驶场景中,模型对60米之内的中大目标预测的bbox坐标不稳定,有较大的抖动问题,导致测距不稳定,怎么解决?
12. 辅助驾驶场景中,对公交站、房屋顶等特定背景误检,怎么解决?
13. 辅助驾驶场景中,大于100m的车辆车型分类出现跳动怎么解决?
14. 医学影像由于标注专业性差异,出现多人标注不一致情况怎么解决?如何用算法的方式减少误差?
15. NLP中给定当前query和历史query以及对应实体,如何对当前query的实体进行建模?
16. 解释KF中的噪声矩阵含义。运动方程中估计噪声是变大还是变小?修正方程中估计噪声是变大还是变小?
17. 举出几种光流方法,说明LK光流的建模方式?
18. 如何在数据量十分有限,但特征数量极多的情况下选出一套合适的特征组合?
19. SAM的点提示和框提示输入尺寸,框提示是否支持多个框?
20. 车道线检测的任务通常采用分割方案,如何将方案降级至检测,甚至是车道线分类?
21. 车道线检测的任务中如何处理异行线,比如道路交叉口?
22. 为什么 larger batch size 对对比学习的影响比对监督学习的影响要大?
23. 银行经理收到一个数据集,其中包含数千名申请贷款的申请人的记录。AI算法如何帮助经理了解他可以批准哪些贷款?
24. 简述BEVformer的Decoder逻辑?
25. BEVFormer中的Spatial Cross-Attention的步骤?
26. 车上多个摄像头图像投影到2D平面如何实现?
27. 假如你的车子有4个激光雷达,你如何设计点云分割算法?
28. 假如当前需要你把场景里的砖头分割出来,靠点云分割能否正确识别?
29. 点云中的水雾怎么去除?

🏳‍🌈手撕项目代码专题

01. Pytorch实现注意力机制、多头注意力
02. Numpy广播机制实现矩阵间L2距离的计算
03. Conv2D卷积的Python和C++实现
04. Numpy实现bbox_iou的计算
05. Numpy实现Focalloss
06. Python实现非极大值抑制nms、softnms
07. Python实现BN批量归一化
08. Pytorch手写Conv+Bn+Relu,及如何合并
09. 描述图像resize的过程并实现
10. PyTorch卷积与BatchNorm的融合
11. 分割网络损失函数Dice Loss代码实现
12. Numpy实现一个函数来计算两个向量之间的余弦相似度
13. Numpy实现Sigmoid函数

🚩优异开源资源推荐专题

01. 多个优异的数据结构与算法项目推荐
02. 大模型岗位面试总结:共24家,9个offer
03. 视觉检测分割一切源码及在线Demo
04. 动手学深度学习Pytorch
05. 一种用于保存、搜索、访问、探索和与您喜爱的所有网站、文档和文件聊天的工具
06. 收集一些免费的ChatGPT镜像站点
07. 关于大型语言模型(LLM)的一切
08. 深度学习调优指南中文版
09. 多模态大型语言模型的最新论文和数据集集锦
10. ChatPaper:ChatGPT来加速科研流程的工具
11. 消费级硬件上进行LLaMA的微调
12. Stability AI提供的一系列生成模型
13. 自监督方式学习强大视觉特征的框架DINOv2
14. 快速的场景分割FastSAM