赞
踩
今天参加了商汤的初面,商汤是我最想去的一个公司了,技术很强,paper也多(mmdetection作者),记录一下本次面试。
本次面试是用小鱼易连面试的,面试分为两部分:自我介绍提问+算法编程。
前面一部分就是常规的项目,被问了
编程部分:
两道题:
1.找出二叉树中任意两个节点的最低公共父节点。
我的代码:
# 思路1: # 从根节点根据DFS找到此两个节点,把路径存到队列中,再比较两个队列遇到同一个value的位置... class Node(): def __init__(self, val=None, left=None, right=None): self.val = val self.left = left self.right = right def dfs(root, s, val1, val2): if(root.value == val1): s.append(root) return s elif(root.value == val2):: s.append(root) return s else: s.append(root) dfs(root.left, s, val1, val2) dfs(root.right, s, val1, val2) def findDepth(s1, s2): s1 = Array(s1) s2 = Array(s2) len1 = len(s1) len2 = len(s2) for i in range(len1): for j in range(len2): if(s1[len1-1-i] == s2[len2-1-j]): return s1.index(i) def find_common_parent(root: Node, val1, val2): """ Input: root (Node): root node of a tree. Assume that the node of the tree has unique value. val1, val2: the values of target nodes. Output: parent (Node): the common parent node with largest depth """ # [123775] # [1236] s1 = List() s2 = List() s1 = dfs(root, s1, val1, val2) s1 = dfs(root, s2, val1, val2) depth = findDepth(s1, s2) print(depth) pass
2.设计图片匹配的网络。这个真不太会,他举了例子,譬如说要对两张人脸图片做match,需要对两个特征向量怎么做?这是一个开放性的题目,我觉得我知识储备不够,回答得不是很好。
思路1: from torch import nn class ImageMatcher(nn.Module): def __init__(self, backbone): super(ImageMatcher, self).__init__() self.backbone = backbone def forward(self, x1, x2): """ Input: x1 (Tensor, [N, C, H, W]): input image tensor x2 (Tensor, [N, C, H, W]): input image tensor Output: matching_score (Tensor, [N,]): matching score of each image pair x1[i] and x2[i] """ raise NotImplementedError def get_loss(self, x1, x2, y): """ Input: x1, x2: same as above y (Tensor, [N,]): binary label of each image pair. 0 for unmatched and 1 for matched. Output: loss (Tensor, [N,], [](scalar)): loss for model optimization """ raise NotImplementedError
最后,他和我介绍了一下,目前他们的工作主要是3D人体检测与类似mmdetection的平台搭建,有发paper的潜力。
我最后问了关于工作的具体内容,实习是否有leader带的问题,以后最好还要问一下,他们部分人数的多少(这一点我觉得很重要),他这边是10多个全职+十多个实习生。
最后的最后!
简单问题关注我后可以帮忙解答,
祝关注+点赞的小可爱找工作顺利,获得心仪的offer
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。