[社招/校招面经] 平安/深信服/腾讯等面试问题及考察点总结

19.3.8更新：感觉之前废话太多放前面不太好，这次调整下，把有用的放前面吧…

正文：面试问题

综述：
面试十几家，除了一点基础知识，其余都是根据我的介绍和简历中的项目来问，OPPO和另一个有问数据结构和C++基础语法，然后一家问了yolo IOU公式和代码实现softmax公式。
变成社招之后，很多基础知识就默认你会，产品组不像研究组，它比较注重工程能力，对于数学功底，应该不像研究组那么看重，达到理解知识原理、看懂论文的程度应该就好了。
所以重点还是放在基础知识和项目上面，究其根本，其实都是在考察面试者的知识深度，理解深度。
具体哪一家的问题我就不单独写了，我就参照我的简历把相关问题整理出来：

我的简历内容： 就是博客里面这些，还有很多没有总结完，所以还没有发。具体的就是
1.caffe框架的使用，调参训练(这部分基本都没怎么问，应该觉得太一般了，但是问了除了调参还用过哪些优化？比如网络优化，自定义层，剪枝，数据增强等)
2.NCNN/FeatherCNN框架的使用和测试
3.TensorFlow(Keras)框架的使用和训练，tf量化和yolo训练
4.本科研究生毕设：基于传感器和视觉的手势识别

(简历这里也比较重要，可以找些简历写作方法，定性地量化自己做的成果，这样比较好评估)

问题总结：
1.caffe和tf等框架的训练里，用了XX模型，为什么用这个模型，是根据要分类的图片特征还是别的什么，图片数据是什么数据，分几类，为什么不用别的模型，这个模型用在什么场景，不同模型有什么优缺点，有没有改源码添加自己的层。
2.传统机器学习：讲一下逻辑回归，线性回归的原理，怎么用，怎么解决实际问题的。做手势识别，怎么找他们的特征，根据什么指标来筛选特征，怎么知道他们的区分度(特征工程，机器学习处理实际问题的建模流程)
3.ncnn这里做了什么，有没有用里面的优化方法，修改的哪部分源码，这部分比较少，记不太清了…
4.讲一下量化怎么做的，它的数学原理，为什么用完全量化不用另外两种，有没有测试量化前后模型的速度，量化其他论文，为什么要对应零点？零点怎么计算？如果最小值为0.1怎么对应零点，零点偏移？scale在推理阶段还是float的，怎么使用？卷积和relu为什么要fused？
yolo原理是什么，怎么用的，yolo交并比计算公式，怎么找到两个框的交集，预测出的两个框有几种位置关系，yolo用的哪个loss，知不知道yoloV3。
(大概都是这种，就是不同面试官能力不同，你感到的压力也就不同，一针见血的可能直接把你问的结束话题了…)
5.本科课题，怎么选取的六个特征，为什么选这六个，分了几类，为什么用决策树，不用回归，回归也可以解决。研究生毕设做的什么，不是深度学习相关的，就没怎么问。
6.项目，没什么落地的，不是产品的，说我做的杂…所有面试都提到这一点，我觉得这部分很没有竞争力，只能靠扎实的基础，完整的知识和清晰的思维来弥补，这就去了半壁江山啊…
(2019.1.28更新：项目内容我重新梳理了一下，明确了