【实习面经】GAN生成式算法岗一面
本文首发于公众号【 机器学习与生成对抗网络 】，欢迎 关注 、回复 GAN 获取分类好的论文集， 后台会邀您 加入CV&GAN交流群 一起讨论）
注：本文为公众号读者投稿。
本人某211高校自动化研二渣硕，听闻今年师兄师姐算法岗、尤其视觉CV已经“灰飞烟灭”了，想着自己无好论文、好比赛经历，天天在实验室划水，不赶紧找份实习，真心害怕简历的空白致明年找不到工作。
之前在学校主要做的是GAN生成对抗网络方面，也没做出个啥所以然来，正巧看到某大厂招聘GAN方向的日常实习生，就投了，一星期后接到电话一面，此为背景。
话不多说，面经奉上：
1，先简单自我介绍。
......(略)
2，平时主要接触GAN是吧，可以说说它的数学原理吗？
答：首先，GAN是一个生成模型，它的目的是想要将一个随机高斯分布或者其他分布的噪声向量通过一个生成网络得到一个和真的数据分布差不多的生成分布。训练的时候，怎么衡量这个生成分布和目标分布差不多呢？它是通过又构造一个叫判别器的分类神经网络来衡量。
然后，有了这两个网络，数学原理我们从它的目标函数来说：目标函数是一个极大极小问题。1）对于生成数据，需要它越逼真越好，所以训练生成器时，判别器接收后极大它的概率输出；但是在训练判别器时，判别器接收这个假样本后需要极小它的概率输出，这就是所谓对抗的意思。2）对于真实数据，训练判别器时，为了保持它有意义，当然也是极大化它的概率输出；（可以用torch.nn.BCELoss二分类交叉熵损失函数实现）。
其实GAN利用的数学原理是，一句话总结就是通过一个JS散度来衡量两个分布的差异，然后最小化这个差异。
因为当判别器最优时，我们通过求导对抗损失，也就是以判别器D为函数变量，求极值，可以发现D=P_real/(P_real+P_fake)，把它代回函数，解是一个由两个KL散度组成的JS散度，这个散度是衡量两个分布差异的。我们需要对这个散度求极小，也就是让两个分布差异最小。
3，GAN是怎么训练的？
不同的GAN训练可能不太一样，如果是原始GAN，可以先训练D......(略)
4，介绍下LSGANs？
LSGANs的英文全称是Least Squares GANs，针对的是标准GAN生成的图片质量不高以及训练过程不稳定这两个缺陷进行改进。改进方法就是将GAN的目标函数由交叉熵损失换成最小二乘损失，而且这一个改变同时解决了两个缺陷。
5，为什么最小二乘损失可以提高生成图片质量？
GANs包含两个部分：判别器和生成器。判别器用于判断一张图片是来自真实数据还是生成器，要尽可能地给出准确判断；生成器用于生成图片，并且生成的图片要尽可能地混淆判别器。作者认为以交叉熵作为损失，会使得生成器不会再优化那些被判别器识别为真实图片的生成图片，即使这些生成图片距离判别器的决策边界仍然很远，也就是距真实数据比较远。这意味着生成器的生成图片质量并不高。为什么生成器不再优化优化生成图片呢？是因为生成器已经完成我们为它设定的目标——尽可能地混淆判别器，所以交叉熵损失已经很小了。而最小二乘就不一样了，要想最小二乘损失比较小，在混淆判别器的前提下还得让生成器把距离决策边界比较远的生成图片拉向决策边界。
6，有什么训练GAN的经验吗？
......(结合平时经历，瞎扯了下，忘了怎么回答，有点乱，略)
7，CycleGAN应该知道哈，能说说循环一致损失原理吗？
（比较简单，略）
8，python还是C++用得多呢，写两道题哈
(略，两道leetcode简单题)
9，考一些基本的卷积神经网络问题
比如BN，dropout等（略）
10，我这边没什么问题了，后面的面试或流程具体情况，这两天会由HR通知，你有什么问题想了解的吗？
问了公司主要用GAN在什么应用场景，以及如果通过还有几论面试（一共需要三轮）。
总结
整体下来，感觉难度还行，主要就是语言表达能力较差吧，上一次面试还是研究生入学面试2333，有点紧张，有很多想表达的都没说好。。保佑一面能通过吧
猜您喜欢：
GAN&CV交流群，无论小白还是大佬，诚挚邀您加入
- GAN整整6年了！是时候要来捋捋了！
- 数百篇GAN论文已下载好！搭配一份生成对抗网络最新综述！
- 新手指南综述 | GAN模型太多，不知道选哪儿个？
- 人脸图像GAN，今如何？（附多篇论文下载）
- 人脸生成新SOTA？
- 语义金字塔式-图像生成：一种使用分类模型特征的方法
- 拆解组新的GAN：解耦表征MixNMatch
- CVPR 2020 | StarGAN第2版：多域多样性图像生成
- CVPR 2020 | GAN中的反射/反光、阴影
- CVPR 2020 | 几篇GAN语义生成论文
- CVPR 2020 | 10篇改进GAN的论文（网络、训练、正则等）
- CVPR 2020 | 11篇GAN图像转换img2img 的论文
- CVPR2020之MSG-GAN：简单有效的SOTA?
- CVPR2020之姿势变换GAN
- CVPR2020之多码先验GAN：预训练好的模型怎么使用？
- 两幅图像！这样能训练好 GAN 做图像转换吗？
- ECCV 2020 的对抗相关论文（对抗生成、对抗攻击）
- 2020年7月90篇GAN/对抗论文汇总
- 2020年6月100篇GAN/对抗论文汇总
- 2020年5月60篇GAN论文汇总
- 最新下载！2020年4月份70多篇GAN论文！
- 最新下载！一览2020年3月至今90多篇GAN论文！
- 最新下载！一览2020年2月50多篇GAN论文！
- 一览！2020年1月份的GANs论文！
- 2019年12月份的GANs论文一览
- 这么多！11月份来的这些GAN论文都在解决什么方向的问题？
部分应用介绍：
- 脸部转正！GAN能否让侧颜杀手、小猪佩奇真容无处遁形？
- 【无中生有的AI】关于deepfake的入门级梳理
- 容颜渐失！GAN来预测？
- 异常检测，GAN如何gan?
- 虚拟换衣！这几篇最新论文不来GAN GAN？
- 脸部妆容迁移！速览几篇用GAN来做的论文
- 有点夸张、有点扭曲！速览GAN如何夸张漫画化人脸！
- 见微知细之超分辨率GAN！附70多篇论文下载！
- 天降斯雨，于我却无！GAN用于去雨如何？
- 结合GAN的零次学习（zero-shot learning）
- 强数据所难！SSL（半监督学习）结合GAN如何？
- 弱水三千，只取你标！AL(主动学习)结合GAN如何？
- 【1】GAN在医学图像上的生成，今如何？
附下载 |《TensorFlow 2.0 深度学习算法实战》
