2024年深度学习、计算机视觉与大模型面试题综述，六大专题数百道题目
DeepLearning-Interview-Awesome-2024
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，同时欢迎大家一起共创该项目。部分题目对应的更深度的解析可至博客查阅
🏆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 |
🍳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 |
⏰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 |
🛺自动驾驶、智慧医疗等行业垂域专题
| 01. 相机内外参数 |
|---|
| 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 |
🏳🌈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 |
🚩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 |
相关文章：
2024年深度学习、计算机视觉与大模型面试题综述，六大专题数百道题目
DeepLearning-Interview-Awesome-2024 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&a…...
解读 $mash 通证 “Fair Launch” 规则，将公平发挥极致
Solmash 是 Solana 生态中由社区主导的铭文资产 LaunchPad 平台，该平台旨在为 Solana 原生铭文项目，以及通过其合作伙伴 SoBit 跨链桥桥接到 Solana 的 Bitcoin 生态铭文项目提供更广泛的启动机会。有了 Solmash，将会有更多的 Solana 生态的铭…...
06、docker 安装mysql8
Docker 安装 MySQL8 下载mysql8的镜像 docker pull mysql:8.0.32启动镜像 docker run -p 3307:3306 --name mysql8 -e MYSQL_ROOT_PASSWORD123456 -d mysql:8.0.32配置挂载 创建挂载目录 mkdir -p /docker/mysql8.0.32/copy配置文件到创建的目录下 docker cp mysql:/etc/mysql…...
魔改Stable Diffusion，开源创新“单目深度估计”模型
单目深度估计一直是计算机视觉领域的难点。仅凭一张 RGB 图像,想要还原出场景的三维结构,在几何结构上非常不确定,必须依赖复杂的场景理解能力。 即便使用更强大的深度学习模型来实现，也面临算力需求高、图像数据注释量大、泛化能力弱等缺点。 为了解决这些难题&a…...
使用JAVA Zookeeper构建分布式键值存储
在这篇文章中，我将使用 JAVA 和网络套接字构建一个简单的分布式键值存储。 我将展示如何在具有多个分区和复制的集群中使用 Zookeeper 作为协调服务。 本系统中Zookeeper服务的功能如下： 维护从服务器到分区的映射，即哪些服务器属于分区“i”。这些数据还可用于推断哪些服务…...
2023-12-19 LeetCode每日一题（寻找峰值 II）
2023-12-19每日一题 一、题目编号 1901. 寻找峰值 II二、题目链接 点击跳转到题目位置 三、题目描述 一个 2D 网格中的 峰值 是指那些 严格大于 其相邻格子(上、下、左、右)的元素。 给你一个 从 0 开始编号 的 m x n 矩阵 mat ，其中任意两个相邻格子的值都 不…...
gin框架使用系列之五——表单校验
系列目录 《gin框架使用系列之一——快速启动和url分组》《gin框架使用系列之二——uri占位符和占位符变量的获取》《gin框架使用系列之三——获取表单数据》《gin框架使用系列之四——json和protobuf的渲染》 一 、表单验证的基本理论 在第三篇中，我们介绍了如何…...
HackTheBox - Medium - Linux - Interface
Interface Interface 是一种中等难度的 Linux 机器，具有“DomPDF”API 端点，该端点通过将“CSS”注入处理后的数据而容易受到远程命令执行的影响。“DomPDF”可以被诱骗在其字体缓存中存储带有“PHP”文件扩展名的恶意字体，然后可以通过从其…...
C++ 字符串操作说明 续
一、strstr函数 extern char *strstr(char *str1, const char *str2); 1. strstr(str1,str2) 函数用于判断字符串str2是否是str1的子串。如果是，则该函数返回str2在str1中首次出现的地址；否则，返回NULL。 2. str1: 被查找目标 string …...
[情商-7]：如何回答没有标准答案的两难问题
目录 前言： 一、用“逻辑推理思维”回答两难问题 二、用“情绪思维”回答两难问题 1.1 关注提问者提出问题背后的情绪状态和情绪/情感诉求 1.2 常见的常见的情绪和情感诉求 1.3 女性情感分析 1.4 理解女性情感的语言 1.5 如何通过语言理解女性的情绪需求 三…...
对偶问题的基本性质
写于：2024年1月3日晚 修改于： 原规划与对偶规划 原规划对偶规划 max z C T X s.t. { A X ≤ b , 其中 X ( m ∗ 1 ) X ≥ 0 \begin{aligned} & \max \mathrm{z}\mathbf{C}^T \mathbf{X} \\ & \text { s.t. }\left\{\begin{array}{l}\mat…...
Google Chrome 现在会在后台扫描泄露的密码
谷歌表示，Chrome 安全检查功能将在后台运行，检查网络浏览器中保存的密码是否已被泄露。 如果桌面用户正在使用标记为危险的扩展程序（从 Chrome Web Store 中删除）、最新的 Chrome 版本，或者如果启用安全浏览来阻止 Go…...
【Matlab】PSO-BP 基于粒子群算法优化BP神经网络的数据时序预测（附代码）
资源下载： https://download.csdn.net/download/vvoennvv/88689096 目录 【Matlab】BP 神经网络时序预测算法 【Matlab】CNN卷积神经网络时序预测算法 【Matlab】ELM极限学习机时序预测算法 【Matlab】基于遗传算法优化BP神经网络 (GA-BP)的数据时序预测 【Mat…...
Linux 485驱动通信异常
背景 前段时间接到一个项目，要求用主控用485和MCU通信。将代码调试好之后，验证没问题就发给测试了。测试测的也没问题。 但是，到设备量产时，发现有几台设备功能异常。将设备拿回来排查，发现是485通信有问题ÿ…...
mybatis配置与标签大全
文章目录 mybatis配置与标签大全mybatis的配置属性（properties）设置（settings）类型别名（typeAliases）类型处理器（typeHandlers）对象工厂（objectFactory）插件&…...
Mysql的基本用法（上）非常详细、快速上手
上篇结束了java基础，本篇主要对Mysql中的一些常用的方法进行了总结，主要对查询方法进行了讲解，包括重要的多表查询用到的内连接和外连接等，以下代码可以直接复制到可视化软件中，方便阅读以及练习； SELECT *…...
使用Vite创建React + TypeScript（node版本为16.17.0，含资源下载）
PC端 安装指令： npm create vitelatest react-ts-pro -- --template react-tsVite是一个框架无关的前端工具链，可以快速的生成一个React TS的开发环境，并且可以提供快速的开发体验说明： 1. npm create vitelatest固定写法&#…...
Springboot集成RabbitMq二
接上一篇：Springboot集成RabbitMq一-CSDN博客 1、搭建项目-消费者 与之前一样 2、创建配置类 package com.wym.rabbitmqconsumer.utils;import org.springframework.amqp.core.Binding; import org.springframework.amqp.core.BindingBuilder; import org.spring…...
机器学习笔记 - 基于Python的不平衡数据的欠采样技术
一、简述 随着从不同的来源生成和捕获大量数据。尽管信息量巨大，但它往往反映了现实世界现象的不平衡分布。数据不平衡的问题不仅仅是统计上的挑战，它对数据驱动模型的准确性和可靠性具有深远的影响。 以金融行业欺诈检测为例。尽管我们希望避免欺诈，因为其具有高度破坏性，…...
facebook广告的基础知识
Facebook广告是在Facebook、Instagram、Audience Network等与Facebook相关的SNS和服务上投放的广告。以下是关于Facebook广告的基础知识： 广告类型： 静态图片广告：主要通过Facebook的新闻提要投放的图片广告，可以张贴产品和服务…...
移动端ECharts实战：如何隐藏原生滚动条实现内容区域左右滑动（附完整代码）
移动端ECharts进阶：原生滚动条隐藏与手势滑动优化全解析 在移动端数据可视化项目中，ECharts的默认滚动条交互常常成为用户体验的"阿喀琉斯之踵"。当用户手指在狭小的滚动条上艰难拖动时，那种顿挫感和操作失败率会让精心设计的数据图…...
六边形地理索引的终极指南：H3算法如何革新空间数据分析
六边形地理索引的终极指南：H3算法如何革新空间数据分析 【免费下载链接】h3 Hexagonal hierarchical geospatial indexing system 项目地址: https://gitcode.com/gh_mirrors/h3/h3 你是否曾为处理大规模地理空间数据而头疼？传统的地理索引系统在…...
别再被‘小样本’难倒了！用Python的PyMC3库实战层次贝叶斯模型
用PyMC3解锁小样本分析：层次贝叶斯建模实战指南 当你的数据集像便利店冰柜里的酸奶——每个品类只有零星几瓶时，传统统计方法往往会束手无策。想象你正分析20个城市的新开门店周销售额，每个城市却只有3-5条数据记录。这时，层次贝叶…...
wan2.1-vae中英文双语支持实测：中文提示词准确率92%+英文prompt兼容性验证
wan2.1-vae中英文双语支持实测：中文提示词准确率92%英文prompt兼容性验证 1. 平台核心能力解析 wan2.1-vae是基于Qwen-Image-2512模型的AI图像生成平台，其最大特色在于原生支持中英文双语提示词。在实际测试中，中文提示词的理解准确率达到9…...
告别枯燥刷怪！用Python+大漠插件实现《功夫》游戏后台自动挂机（附完整源码）
用Python与大漠插件打造《功夫》游戏智能挂机系统 在角色扮演类游戏中，重复性的任务往往成为玩家体验的瓶颈。以经典游戏《功夫》为例，"考古"任务需要不断接取、放弃任务直至找到特定地点，再完成打怪流程。这种机械操作不仅耗时耗力…...
FModel：虚幻引擎资源解析的技术突破与实践指南
FModel：虚幻引擎资源解析的技术突破与实践指南 【免费下载链接】FModel Unreal Engine Archives Explorer 项目地址: https://gitcode.com/gh_mirrors/fm/FModel 在游戏开发与逆向工程领域，资源解析工具的选择直接影响工作效率与成果质量。当面对…...
YOLOv11涨点改进| 全网独家创新、检测头Head改进篇| CVPR 2026顶会 |使用FAAHead改进YOLOv11的检测头，处理小目标、遮挡小目标检测、旋转目标检测有效涨点，助力高效发论文
一、本文介绍 🔥本文给大家介绍使用CVPR 2026顶会 FAAHead 和 OBB_FAAHead 改进 YOLOv11的检测头，可以有效缓解目标检测中分类分支与框回归分支之间的特征冲突问题，尤其适合旋转目标检测或含明显方向信息的目标检测任务。FAAHead 的核心思想是在检测头阶段先对 RoI 或候选…...
Qwen3.5-35B-A3B-AWQ-4bit惊艳效果：电路图元件识别+故障原因中文推理
Qwen3.5-35B-A3B-AWQ-4bit惊艳效果：电路图元件识别故障原因中文推理 1. 模型能力展示 Qwen3.5-35B-A3B-AWQ-4bit作为一款面向视觉多模态理解的量化模型，在电路图分析和故障诊断领域展现出令人惊艳的能力。这个经过4bit量化的模型不仅保持了原版35B参数…...
Windows右键菜单终极管理指南：ContextMenuManager完全掌控你的系统交互体验
Windows右键菜单终极管理指南：ContextMenuManager完全掌控你的系统交互体验 【免费下载链接】ContextMenuManager 🖱️ 纯粹的Windows右键菜单管理程序 项目地址: https://gitcode.com/gh_mirrors/co/ContextMenuManager Windows右键菜单管理一直…...
Windows 11下保姆级安装Isaac Sim 4.5.0与Isaac Lab避坑全记录（含CUDA 12.8配置）
Windows 11下Isaac Sim 4.5.0与Isaac Lab全流程部署指南（RTX 4090实测版） 对于机器人仿真和AI开发领域的从业者来说，NVIDIA Isaac Sim和Isaac Lab无疑是当前最强大的工具组合之一。然而，当我在自己的RTX 4090显卡上首次尝试部署这…...