字节跳动搜索部门算法实习生面试
投了头条的 AI Lab 计算机视觉暑期实习，但是二面安排在 4 个小时的组会之后，智商下线直接 GG。然后追随学姐，投了搜索部门，面了五面……最后到了学姐在的抖音搜索组。一面简单做了自我介绍，然后就让我手撕代码，因为我写的比较快，面试官说：“你已经通过了，但是时间不够，继续写几个吧”快速幂一个 01 背包问题问了召回率准确率啥的环形字符串匹配给一个数组，找一个数字，使得这个数字到所有数字的距离之
[SkipInit] Batch Normalization Biases Deep Residual Networks Towards Shallow Paths
文章地址本文介绍了 BN 在很深的 Resnet 中起到的作用：通过正则化使得网络最大训练深度增加。同时提出了一个替代 BN 的方法。BN 在 Deep Resnet 中作用一个朴素的 CNN 如果太多层，就很难训练的动。Resnet 通过 shortcut 使得梯度更轻松的传播，在这里 BN 发挥了很大的作用：BN 限制了每次 Conv 后 feature map 的大小。有了 BN 和 sho
[L3Fnet] Harnessing Multi-View Perspective of Light Fields for Low-Light Imaging
文章地址本文贡献：发布低光照光场图片数据集：Low-Light Light Field (L3F)。提出了一种新的网络 L3Fnet 解决光场图片的低光恢复任务。Low-Light Light Field Dataset光场相机没有遥控快门，所以就很原始的固定机位手动按快门拍摄，像素会不可避免的对不齐。数据集采集方法是：在傍晚同一场景下，使用正常曝光，$1/20$ 的正常曝光，$1/50$ 的正常
[Distillation] Relational Knowledge Distillation
文章地址在以往的知识蒸馏中，我们要求 teacher 和 student 的 feature 或者 logits 直接数值上的靠近。但是由于 teacher 和 student 网络的差异，直接使用数值上的靠近可能对 student 比较困难。Method本文提出的方法是，蒸馏 teacher 和 student 之间 feature 的分布，而忽略数值上的一一对应，从而具有更好的灵活性。RKD
[Sublinear Memory][LocalConv] MegEngine 好处都有啥？谁说对了就给他
旷视最近开源了深度学习框架 MegEngine。众所周知，MegDL 一直是贵司的核心技术（大坑）。快速高效，安全可控，灵活定制一直是 MegDL 的核心。老矿工肯定熟悉下面的画面，这是 MegDL 的官方文档主页：可以从上面的截图就能非常明显的看出，要简单概括 MegDL，那就是“糙、快、猛”……文档不全，天坑很多，为了业务 xjb 改的地方非常非常多……所以开源其实是一件好事，至少能整理一下代