一面
自我介绍，项目介绍，问了下面试官是否用有深度学习，他说没有用过，于是我就少说项目细节。
之后说笔试编程题做的不太好，问是不是基础不太好，我直接回答，平时用的比较少，更多用MATLAB，c++是在用CAFFE,tensorflow需要调试时看，卷积以及一些基本loss有看过底层代码。
编程题有：
1、 判断n是否为素数
数学概率论问题：
1、 不满秩的矩阵A，AX=b，什么情况下无解
提示：【1 2】【X1】=[1]
1 2 X2 0
2、 描述K-means聚类
评价：语言表达中等，编程基础较差，只用matlab，caffe等，数学基础有，经过提示后可以回忆起来。
不通过，具体由***裁定
二面：
项目聊的很细致，聊到具体改进实现，IOU精度，速度，问模型大小，面试官质疑320*240大小的输入，即便第一层就缩小了很多，在手机端实现实时17fps很难。问我为什么没有尝试用VGGnet，或imagnet基础上微调。这样更容易收敛，而随机初始化很容易不收敛。
1、 写softmax loss函数，sigmoid函数，
Sigmoid能否用于分类？多分类如何用sigmoid实现？或用svm二分类器实现？
3、 Pca，svm有用过吗
4、 防止过拟合的方法
5、 Bn作用
6、 写段程序，实现线性回归，给数据X,初始w设为0.01，y=wx，实际为y=2x，x=[0,1,2,3,4,…500]
7、 写最小二乘法的公式推导
8、 梯度下降，牛顿法，拟牛顿法有什么区别
9、 说明下resnet如何实现100层网络仍然能收敛
总体来说，面试官问的很深入，你懂的会了的很深，不懂的点到为止，从交流中了解你到底几斤几两，知道什么不知道什么。自己还是基础差，编程基础差，基础算法差。所以很容易给人只会调参的印象，深度学习的理论知识也很深，需要学习的还很多，加油，基础巩固。