<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          三面百度AI崗!

          共 1810字,需瀏覽 4分鐘

           ·

          2021-09-13 21:28

           Datawhale干貨 
          面經(jīng):百度AI算法崗位


          目前,百度是為數(shù)不多的提供全棧AI的公司之一,擁有基礎(chǔ)設(shè)施包括AI芯 片(昆侖芯片)、云平臺(tái)(百度智能云)、深度學(xué)習(xí)框架(飛槳)、核心AI功能、開放式AI平臺(tái)等。如果需要面百度AI崗,對(duì)百度AI的布局和業(yè)務(wù)理解也是相當(dāng)重要的。


          關(guān)于面試經(jīng)驗(yàn),有朋友最近去百度面了一個(gè)AI相關(guān)的工作,面試官結(jié)合現(xiàn)在流行的AI、物聯(lián)網(wǎng)趨勢(shì),問到AI落地會(huì)考慮哪些問題,給大家分享一下。


          一、為了適配邊緣部署要求,AI算法怎么做適配?
          二、在模型效果和效率之間怎么做平衡和取舍?怎么在不犧牲效果的前提下提高效率?
          三、AI算法上線后怎么持續(xù)做迭代?

          這一連“三問”會(huì)瞬間問懵很多同學(xué)。不過幸好他提前刷了很多試題,也找別人取了經(jīng)驗(yàn),還主動(dòng)對(duì)飛槳PaddlePaddle、飛槳企業(yè)版BML等產(chǎn)品做了一些了解,思考了一會(huì)兒還是能回答的,也給大家整理了具體的面經(jīng)。

          一、AI算法如何做適配
          我們都知道現(xiàn)在是人工智能時(shí)代,越來越多的AI需要從云端擴(kuò)展到我們熟悉的邊緣端,比如智能耳機(jī)、智能攝像機(jī)、智能手環(huán)、物流機(jī)器人等等,把AI部署在邊緣端已經(jīng)成為趨勢(shì),這也正式嵌入式AI要做的事情。而我們關(guān)心的AI模型能不能跑起來問題,關(guān)鍵在于軟硬件環(huán)境的適配情況:
           
          • 硬件適配,當(dāng)然是適配越多的AI芯片越好。常見的有CPU,GPU,F(xiàn)PGA,以及各類ASIC芯片,例如:Nvidia Jetson系列、海思NNIE系列、華為Atlas、麒麟NPU、高通DSP、Intel VPU、瑞芯微NPU、寒武紀(jì)等,都適配了就給工程師降低了端側(cè)模型適配遷移的難度,換一個(gè)設(shè)備照樣可以輕松的部署上去;


          • 軟件適配,四大操作系統(tǒng)肯定不用說要適配。Linux、Windows、Android 、iOS,無論是PC還是手機(jī),都得能給安排上;


          • 框架適配,越全越好。我們知道的飛槳 PaddlePaddle、TensorFlow、PyTorch、Caffe、MXNet 等框架以及 ONNX 模型格式。此外,還要支持圖像分配、物體檢測(cè)、人臉識(shí)別、OCR等業(yè)界主流的算法類型,這樣在模型的適配和轉(zhuǎn)換方面可以輕松自如。


          二、模型效果和效率之間如何平衡

          在進(jìn)行端側(cè)部署時(shí),我們通常比較關(guān)注模型的推理性能,其實(shí),各家AI芯片廠商為了實(shí)現(xiàn)更高性能的推理能力,都在努力提高芯片的并行處理能力,比如通過GPU這樣的超多線程并行處理……但最終的結(jié)果是,算力得到提升了,靈活性反而下降了。想要一個(gè)速度快、精度高、占用內(nèi)存少的模型,該怎么辦? 

          為了讓模型跑得更快更省內(nèi)存,我們可以采用模型壓縮,比如模型量化、剪枝和蒸餾技術(shù),讓模型輕便地跑起來,在盡可能保證效果的同時(shí)達(dá)到更好的壓縮效果。蒸餾可以簡(jiǎn)單理解為,通過大模型蒸餾小模型,使得小模型具有與大模型接近的效果。而量化、剪枝本質(zhì)都是對(duì)基礎(chǔ)模型在盡量不影響精度的前提下進(jìn)行精簡(jiǎn) , 自然模型小了 , 內(nèi)存占用就少了 , 推理時(shí)間也就短了,功耗也更低。

          三、AI算法上線后如何迭代
          模型的部署不是一勞永逸的,我們需要根據(jù)客戶需求或者實(shí)際的業(yè)務(wù)場(chǎng)景進(jìn)行迭代升級(jí),需要在應(yīng)用中收集樣本、不斷更新模型。 

          其實(shí),最簡(jiǎn)單的模型維護(hù)方式就是不斷添加新數(shù)據(jù),或者在添加的基礎(chǔ)上做進(jìn)一步數(shù)據(jù)增強(qiáng),從而提升模型迭代的精度。比較好操作的方法就是把新的數(shù)據(jù)添加到原有的數(shù)據(jù)集,從而讓模型持續(xù)優(yōu)化。 

          以上就是朋友做的面試經(jīng)驗(yàn)總結(jié)啦,當(dāng)然他也喜提百度AI的offer,除了基本功,他對(duì)百度AI的布局和產(chǎn)品的了解也是加分項(xiàng),在這里也祝其他同學(xué)秋招順利,也有機(jī)會(huì)收獲百度offer.

          關(guān)于百度AI相關(guān)知識(shí)的學(xué)習(xí)

          9月15-16日,百度AI快車道-BML課程將上線,百度技術(shù)專家將聯(lián)合英偉達(dá)解決方案專家將一起探討如何在端側(cè)高效部署AI模型,同時(shí)百度還提供了學(xué)習(xí)獎(jiǎng)勵(lì)。 

          1. 參與百度BML線上直播互動(dòng),可抽取Jetson Nano、小度耳機(jī)、智能音箱、體脂秤等好禮;

          2. 參與學(xué)習(xí)并完成“產(chǎn)品體驗(yàn)調(diào)研報(bào)告”,可獲得100元京東卡獎(jiǎng)勵(lì)。


          點(diǎn)擊【閱讀原文】,可直接報(bào)名。
          瀏覽 148
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          評(píng)論
          圖片
          表情
          推薦
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  香蕉大久久| 青娱乐精品视频日美 | 久久男操 | 毛片免费网址 | 色大香蕉色大香蕉色大香蕉色大香蕉色色 |