我当年拿到欢聚时代这套图像算法工程师笔试A卷的时候心里还是有点打鼓的。2018年正是直播行业把图像技术卷到飞起的阶段美颜、特效、内容审核、视频理解每一个方向都对应着大量的算法岗位需求。作为求职者这套卷子基本代表了当时直播场景下对图像算法工程师的核心考察标准也是我给后续学弟学妹反复推荐的一套“经典面试题库”。哪怕你现在是2025年准备校招我也建议认真过一遍这种老题。原因很简单算法岗面试的核心考点多年没变过反向传播的推导、卷积尺寸计算、网络结构设计、过拟合处理这些永远是基本功。不一样的是现在的岗位更强调工程化落地所以这篇文章我会一边拆解这套笔试题的考点一边把热词里提到的浮点数格式选型、环境部署这类“后深度学习时代”的必会知识也串进来。无论你是正在刷题的应届生还是想系统梳理深度学习知识体系的转行者这篇都能给你一个完整的复习框架。1. 拿到真题第一件事先拆岗位再拆考点很多同学复习笔试容易犯一个错误一上来就埋头刷题根本不看岗位是干什么的。备考“图像算法工程师”这个岗位之前你首先要理解这家公司为什么要招这个人。1.1 欢聚时代的业务场景决定了笔试题目方向欢聚时代是做直播和音视频起家的当时旗下业务以 YY 直播为核心后面又扩展了短视频、社交娱乐等方向。直播场景下的图像算法工程师日常面对的问题其实非常具体主播的美颜滤镜、人像分割、手势特效、场景检测、低照度画质增强还有平台层面的内容审核、敏感信息识别。这些场景决定了笔试题目不会去考那些过于偏门的前沿论文而是聚焦在CNN、图像分类、目标检测、人脸关键点、图像分割这些“能直接用到业务里”的技术栈上。知道了业务方向你就该明白复习重心在哪里。我当时拿到卷子扫了一遍基本验证了判断整套题大概40%是深度学习基础30%是CNN和图像处理20%是数学和编程基础剩下10%是开放性设计题。这个比例对今天的校招笔试题来说依然有很强的参考意义。1.2 从岗位需求反推能力模型不只是会调模型很多同学以为图像算法工程师就是“调包侠”拿个预训练模型微调一下就算完事。但这套笔试题传递出来的信号很明确公司要的不是只会调用接口的人而是能把一个图像问题从数据到模型再到部署完整走通的人。笔试里那些手推公式、手算卷积、分析梯度的问题本质上都是在筛选“理解原理”的候选人。从公司角度也很好理解。直播场景算法需求迭代极快今天是美颜明天可能就要做AR特效后天又来了个画质修复需求。如果一个人只熟悉某个固定模型而不理解底层原理遇到新问题根本没法快速切入。所以笔试考的都是那些“换一百个模型也绕不开”的底层知识。2. 深度学习基础考点拆解这些题是“必考中的必考”深度学习基础这部分我把它叫做“送分题和送命题的分水岭”。基础扎实的人看到题就知道答案基础不牢的人也能编两句但拿不到分。这里我挑几个最典型的考点展开讲讲。2.1 反向传播推导笔试中的“一票否决题”反向传播基本是每一套算法岗笔试题的标配。A卷里给了一个简单的全连接网络要求手写反向传播过程。这种题考察的不是你会不会用TensorFlow或PyTorch而是你是否真正理解梯度是怎么从loss一路传回参数的。我当时总结了一个固定的推导套路照着走基本不会乱先画计算图把前向传播的每个中间变量标出来然后从loss开始从后往前逐个计算偏导数最后把参数更新公式写出来。核心就两个链式法则的熟练应用一个是对权重矩阵的偏导一个是对输入的偏导。很多人容易漏掉后一步但这一步恰恰是理解梯度传播的关键。注意笔试中写反向传播推导不要直接套框架的自动求导。面试官想看到的是你理解链条的每一个环节而不是当API调用者。2.2 梯度消失与梯度爆炸必然考察的分析题梯度消失和梯度爆炸几乎是深度学习的必考概念。这道题其实是在考察你对深度网络训练的本质理解。深层网络在反向传播时梯度需要从输出层一层层传回输入层中间要经过无数次矩阵乘法。如果权重初始化太小梯度会指数级衰减前面的层根本学不到东西如果权重初始化太大梯度又会指数级膨胀训练直接发散。标准的答题框架包括四个方面产生原因、数学模型、解决方案、实际经验。原因就是链式法则中的连乘效应解决方案至少要说出来三个sigmoid换成ReLU可以缓解饱和区间的梯度消失BN层把每层输入拉回标准分布残差连接为梯度提供了一条“高速公路”合理的初始化策略也很重要。如果你能把这些方案背后的数学逻辑讲清楚这道题基本满分。2.3 交叉熵损失函数 vs. 均方误差分类问题的核心逻辑我记得这套卷子里有一道题问的是分类任务中的损失函数选择。这是个非常经典的坑。很多初学者不理解为什么分类任务要用交叉熵而不用MSE其实核心原因有两点第一MSE配合sigmoid激活函数时梯度里会包含sigmoid的导数项而sigmoid在饱和区导数接近0导致学习非常缓慢交叉熵配合softmax时梯度的形式变成了预测值与真实值的差这个梯度信号是最直接的。第二从信息论角度看交叉熵衡量的是两个概率分布之间的距离分类任务的输出本质是概率分布用交叉熵在语义上更匹配。这个考点看起来简单但答好了很加分因为它反映了你对损失函数背后原理的理解而不是停留在调用层面。3. CNN考点拆解卷子里的重头戏CNN相关的内容在这套题里占了大头毕竟图像算法工程师的日常工作就是在跟卷积神经网络打交道。我当时复习时把卷积的各种计算都过了一遍事实证明完全值得。3.1 卷积输出尺寸与参数量计算手算基本功A卷里有几道题是给出输入尺寸、卷积核大小、padding、stride要求计算输出特征图的尺寸和参数量。这种题没有什么难度但特别容易因粗心丢分。核心公式就是H_out (H_in 2P - K) / S 1宽同理。参数量计算的重点是要记得加偏置。一个卷积层的参数量是 K × K × C_in × C_out C_out很多人会漏掉最后的偏置项。我当时在练习时就因为这个丢过分所以特别提醒大家。如果题目问的是FLOPs而不是参数量那还要算上输出特征图面积乘以单像素的计算量。3.2 池化操作的作用被低估的知识点热词里专门有“深度学习的池化”这个搜索词说明现在还是有很多人对池化理解不透彻。池化在CNN里的作用其实被很多教材低估了它不是简单的“下采样”。池化的第一个作用是降维减少后续层的计算量。第二个作用是扩大感受野让网络能看到更大范围的信息。第三个作用是提供一定程度的平移不变性。第四个作用在工程上也很重要就是防止过拟合因为参数减少了。笔试答题时你要把这些维度都答出来才能体现你不是只会说“池化就是取最大或取平均”。这里有个小细节值得琢磨。最大池化和平均池化怎么选最大池化保留的是最显著的特征适合提取边缘、纹理这类判别性信息平均池化保留的是整体统计特性对背景信息更友好。在有些任务里平均池化比最大池化效果好尤其是在最后的全局池化层上这个经验在当时可能只是面试加分项到现在还是适用的。3.3 感受野计算很多人没真正搞懂感受野的计算在笔试题里也出现过。虽然看起来只是从网络第一层开始一层层累加但如果没有理解透很容易在复杂网络上算错。简化地说感受野的计算公式是RF_new RF_old (K - 1) × 表示前面所有层stride的乘积这里K是当前层卷积核大小。从输入层开始RF初始值为1每经过一层就更新一次。实际手算时理解比套公式重要每次卷积操作会把前一层的一个区域映射成一个点stride决定这个区域向前移动的步长。理解了这层含义任何网络结构你都能手算出感受野。4. 经典网络结构与设计思路从VGG到ResNet的演进逻辑这套笔试题里有一个开放性的问题简述VGG、GoogLeNet、ResNet等经典网络的核心思想并比较它们的优劣。这种题考察的是你对CNN发展脉络的整体把握而不只是背几个名字。4.1 网络越来越深背后的逻辑从一开始AlexNet的8层到VGG的19层再到ResNet的152层网络越来越深不是没有原因的。深度网络可以通过层数的堆叠学习到更抽象、更高级的语义特征底层网络学习边缘纹理中层网络学习部件高层网络学习语义概念。VGG的核心贡献是用连续的小卷积核替代大卷积核3个3×3的堆叠感受野等于1个7×7但参数量只有后者的约一半还引入了更多的非线性。但VGG也暴露出一个问题网络过深之后训练越来越困难甚至出现退化现象就是层数增加但准确率下降。这不是过拟合而是优化困难。ResNet就是在这个背景下被提出来的。4.2 ResNet的残差学习到底解决了什么ResNet的核心思想是让网络去学习残差而不是直接学习原始映射。F(x) H(x) - x原本需要学习H(x)现在只学习H(x)和x之间的差异。当一个恒等映射是最优解时网络只需要把残差学成0这比直接拟合一个恒等映射容易得多。从梯度流动的角度看残差连接相当于给反向传播开了一条“高速公路”梯度可以直接从深层传到浅层缓解了梯度消失问题。这也是为什么ResNet能训练152层甚至更深的原因。在项目中我们经常用ResNet作为backbone尤其是ResNet50和ResNet101现在已经成为了视觉任务的标配选择。4.3 轻量化网络设计思想虽然是2018年的题但轻量化网络的概念已经出现了当时SqueezeNet和MobileNet v1已经发表。笔试可能不会深挖细节但开放题里如果能提到轻量化的设计思路会是很好的加分项。轻量化网络的核心是用深度可分离卷积替代标准卷积。普通卷积的计算量是 K × K × C_in × C_out × H × W深度可分离卷积把它拆分成逐通道卷积和逐点卷积计算量降到 K × K × C_in × H × W C_in × C_out × H × W后者比前者小很多。这个思想到现在依然在移动端模型中被广泛使用你要是现在去面算法岗MobileNet和ShuffleNet的设计逻辑依然是高频考点。5. 从笔试到工程部署现在必会的浮点数格式与模型部署知识这套2018年的卷子里考的基本都是模型怎么设计、怎么训练。但现在的图像算法工程师岗位光会训练远远不够。热词里有个关键词我特别关注“深度学习模型部署必知:fp32、fp16、bf16、tf32浮点数格式详解与实战选型”。这说明模型部署已经成了新一代算法工程师的硬技能。虽然当年的笔试题不会考这些但我在复盘时会建议大家把这个方向补上因为面试考察的范围一直在往后端延伸。5.1 fp32、fp16、bf16、tf32到底有什么区别要搞清楚这些浮点数格式先要理解一个基本概念浮点数在计算机里由符号位、指数位、尾数位三部分组成。位数越多精度越高但占用的存储和计算资源也越多。我直接做个表格帮你理清格式符号位指数位尾数位主要特点适用场景fp321823单精度范围大精度高训练默认格式fp161510半精度动态范围窄推理加速、混合精度训练bf16187动态范围同fp32精度低大模型训练的混合精度tf321810截断版fp32配合TensorCoreAmpere架构GPU上的加速训练fp16的问题在于它的指数位只有5位动态范围很小在训练时容易出现上溢或下溢。bf16保留了跟fp32一样的8位指数位所以动态范围很大虽然尾数位少了导致精度低但好处是不容易出现数值溢出非常适合大模型训练时的梯度传播。tf32是NVIDIA TensorCore上的特殊格式它其实是在fp32的基础上截断了尾数位在不改变动态范围的前提下减少了计算量。5.2 部署时的格式选型实战判断标准你平时做项目的时候到底该选哪种格式我个人的判断逻辑是这样的如果你的GPU支持TensorCore训练时混合精度用bf16是优先选择因为它的动态范围广不容易出现问题如果你在推理阶段追求极致速度而且模型对精度不太敏感可以先用fp16量化观察评估指标的变化如果精度掉了再考虑用int8量化或者保留fp32。还有一点要想清楚格式选择不只是看精度还要看带宽。比如模型推理时大模型瓶颈往往在显存带宽上从fp32切到fp16可以减少一半的显存占用和带宽压力推理速度可能直接翻倍这个在模型部署中是质的提升。所以一个合格的图像算法工程师不仅要能把模型训出来还要能在服务和推理阶段做出正确的工程决策。5.3 环境配置也是面试考察点从Ubuntu到CUDA到PyTorch热词里还有“ubuntu22安装深度学习”“ubuntu24.04配置深度学习环境”这些搜索记录说明环境配置对很多新手来说确实是个坎。我之前遇到过不少面试者理论背得很熟问起怎么配置环境就语塞了。现在很多技术面和笔试现场也会问环境部署相关的问题。其实环境配置不难核心就是理清依赖关系。先说最底层的驱动和CUDA然后是深度学习框架最后是项目依赖。我自己调试过很多次之后习惯用这样的顺序先确认NVIDIA驱动装好用“nvidia-smi”验证再根据CUDA版本选对应的PyTorch最后创建虚拟环境装依赖库。这个过程看起来麻烦但每一步都验证好后面基本不会出大问题。6. 真题演练四道高频考题的答题思路与模板接下来我根据自己的经验结合这类笔试的常见题型给出几道有代表性的例题和答题思路。这些答题框架不仅对这套2018年的题有效对现在的面试依然有参考价值。6.1 手推一个两层全连接网络的反向传播题目给出网络结构输入x是3维向量隐藏层4个神经元激活函数用sigmoid输出层2个神经元softmax交叉熵计算loss。要求写出反向传播公式。答题思路分四步走。第一步定义符号设隐藏层权重为W1偏置为b1输出层权重为W2偏置为b2。第二步写出前向传播过程z1W1xb1a1sigmoid(z1)z2W2a1b2a2softmax(z2)。第三步反向传播先算loss对z2的梯度由于softmaxcross-entropy的组合这个梯度简化为a2-y这里y是one-hot标签然后算对W2的梯度就是(a2-y)·a1^T第四步继续往前传用链式法则算loss对z1的梯度再乘上sigmoid的导数a1·(1-a1)最后得到W1的梯度。把公式写完整这题就是满分。6.2 给一个224x224的输入设计一个轻量级分类网络这类开放题考的是你的网络设计能力。答题时我会先说明设计目标参数少、计算量低、精度不能太差。然后给出一个可落地的方案一个3x3卷积接BN接ReLU配合一个最大池化经过3~4个stage每个stage的通道数从32开始翻倍到128或256最后用全局平均池化得到特征向量再接全连接层输出。回答里一定要解释每个模块的选择理由。为什么用BN因为稳定训练加速收敛。为什么用全局平均池化而不是直接展平因为全局平均池化可以减少参数量还能让网络对输入尺寸不那么敏感。这样系统地讲下来面试官会认为你是真的在设计网络而不是在拼积木。6.3 训练集loss很低、验证集loss很高的排查思路这是一个典型的过拟合分析题很多公司笔试都会出。答这种题要有一个结构化的排查框架。第一先确认是否数据划分有问题比如验证集和训练集分布不一致样本泄露。确认无误后第二考虑模型过拟合这时候解决方案包括增加数据增强、增加正则化L1/L2/Dropout、降低模型复杂度、早停。第三看是不是训练配置不当比如学习率过高导致在验证集上震荡或者batch size大小导致梯度噪声过大。第四用可视化手段定位问题把训练集和验证集的错误样本打出来看很多时候会发现问题出在数据标注本身。这个框架如果你能完整讲出来说明你真的处理过训练问题。6.4 实时视频流中的人脸关键点检测方案设计直播场景的核心算法题。我答题时一般从需求拆起要保证实时性单帧处理时间不能超过30ms关键点数量是68点还是106点需要适配人脸角度变化。方案上会建议采用轻量级backbone加heatmap回归的结构。backbone用MobileNetV3或类似结构的轻量化网络检测头输出多通道的heatmap每个通道对应一个关键点。实时性方面可以考虑输入分辨率限制在112或128模型量化到fp16或int8精度方面loss函数可以用wing loss或adaptive wing loss对人脸关键点这种小误差敏感的任务单纯用MSE或L1 loss效果不好。这个答题思路综合了模型设计、精度优化、工程部署考虑是我自己用的答题框架。7. 备考避坑指南我踩过的坑和总结的速查表最后这部分我给正在准备校招的同学分享一些实际经验。笔试和面试是有技巧的有些坑提前避开了能省很多时间。7.1 只会刷题不推导面试一细问就露馅我当年准备笔试的时候有一段时间沉迷刷各种“面经题”看到题目能秒答但问到“为什么”就说不清楚。后来我意识到算法岗位的笔试只是第一关面试官一定会追着你的回答深挖。比如你答了“用BatchNorm可以加速收敛”他下一句就会问“为什么BatchNorm能加速收敛”如果你只答得出“论文里这么说的”这题就废了。所以复习时每一个知识点都要能往下追问至少两层。7.2 常见错误速查表常见错误出现场景正确做法忘记加偏置项卷积参数量计算参数量卷积核参数偏置输出尺寸算错卷积、池化计算先确认padding、stride、ceil模式把梯度消失等价于过拟合训练问题分析梯度消失是优化问题过拟合是泛化问题混淆Dense层和全局池化网络结构设计全局池化更省参数更适合CNN不知道浮点格式差异模型部署场景理解fp16、bf16、tf32各自的动态范围和精度环境配置出问题硬扛本地跑代码优先重建虚拟环境按依赖顺序重装7.3 复习路线建议从理论到实践的时间安排如果时间充裕我建议按下面的顺序走第一周把深度学习基础过一遍重点是反向传播推导、激活函数、损失函数、正则化第二周集中看CNN从手算卷积到经典网络结构每个结构都要能画出核心模块并说明设计动机第三周做项目实践找一个小数据集从数据清洗到训练再到评估完整走一遍全流程第四周专门学习部署优化浮点数格式、模型量化、推理加速这些内容都要有动手经验。最后一周刷真题和面经把前面积累的知识整理成自己的答题框架。我当时走了不少弯路最深刻的一点是不要以为“看懂”和“能写出来”是一回事。看论文时觉得什么都会了合上书就懵。最好的复习方式就是拿一张白纸从零开始推导、从零开始设计网络、从零开始写训练代码只有这样才能真正把知识点变成自己的。这几年面试下来我发现一个规律那些在校招中拿到好结果的同学往往不是刷题最多的而是对基础概念理解最深的。一套2018年的笔试题听起来很老但它考察的知识体系没有过时。把这里面的每道题都真正搞懂你的深度学习基本功就基本过关了。如果时间允许我建议你把这篇文章里的每个考点都自己动手推导一遍然后找一个真实的数据集从头到尾跑一遍完整的训练流程效果一定会超出预期。