记麦穗人工智能后端开发/研发技术一面
这次面的比上次还难，碰到了ACM的面试官，计网和操作系统一点也没问，我还是回去好好学习吧（连面试官都喊我回去买本书看看我哭……），心拔凉拔凉，面了30mins，我为我的无知感到羞愧啊……学的又少又浅
-
C++的四种强转（没让自我介绍，后来我说他说你觉得有必要可以说，然后我说了……早知道他是ACM大佬的我就不说了，哭）（我回答的int ll double这些，面试官说这是C的，问的C++的强转）
- 类型转化机制可以分为隐式类型转换和显示类型转化（强制类型转换）隐式类型转换比较常见，在混合类型表达式中经常发生，四种强制类型转换操作符。static_cast、dynamic_cast、const_cast、reinterpret_cast
- static_cast ：编译时期的静态类型检查。该运算符把expression转换成type-id类型，在编译时使用类型信息执行转换，在转换时执行必要的检测（指针越界、类型检查），其操作数相对是安全的
- dynamic_cast：运行时的检查
- const_cast：去除const常量属性，使其可以修改 ; volatile属性的转换
- reinterpret_cast：通常为了将一种数据类型转换成另一种数据类型
-
deque
-
STL比模拟慢多少（我说大概慢几十毫秒……）
-
队列和栈的区别（我说了先进先出和先进后出，然后面试官说）
-
队列和栈的相同点（我说都是线性的，时间复杂度都是O(n)，然后面试官说逻辑上呢）
-
队列和栈的本质怎么实现的（…… 解释说都是deque，但是队列和栈是封装好的deque，去调用接口）
-
STL中的vector的实现，是怎么扩容的？
- vector使用的注意点及其原因，频繁对vector调用push_back()对性能的影响和原因。vector就是一个动态增长的数组，里面有一个指针指向一片连续的空间，当空间装不下的时候，会申请一片更大的空间，将原来的数据拷贝过去，并释放原来的旧空间。当删除的时候空间并不会被释放，只是清空了里面的数据。对比array是静态空间一旦配置了就不能改变大小。vector的动态增加大小的时候，并不是在原有的空间上持续新的空间（无法保证原空间的后面还有可供配置的空间），而是以原大小的两倍另外配置一块较大的空间，然后将原内容拷贝过来，并释放原空间。在VS下是1.5倍扩容，在GCC下是2倍扩容。在原来空间不够存储新值时，每次调用push_back方法都会重新分配新的空间以满足新数据的添加操作。如果在程序中频繁进行这种操作，还是比较消耗性能的。
-
resize
-
Queue插入一个元素时间复杂度多少
-
vector插入一个元素时间复杂度多少，插入内存不够怎么办（我说了会扩容）
-
vector扩容后，插入一个元素时间复杂度多少（后来给我分析一个是多少，扩容后是多少，然后问平摊时间复杂度）
-
O(1)和O(n)的平摊时间复杂度
-
问我CF多少分
-
卷积神经网络的模型（我说了TensorFlow和caffe……）
- AlexNet、VGG、GoogLeNet、ResNet、DenseNet
-
卷积过程（我大概说了由大变成1x1的……）
-
MySQL调优手段（针对查询怎么调优，有哪些手段，面试官后来给我解释了……explain）
-
算法题：有n个元素的数组a，选出k个数之和不大于s，求k最大（还没开始敲多少，面试官是面试只有半小时，就问其他的了）
-
OJ如何实现的
-
OJ前端用了什么技术（我说用了pyqt……（这是我另一个项目的……），面试官一直问 你用pyqt可以在浏览器上运行 然后我说了可以……）
- 用的是Vue
-
OJ后端用了什么技术（我说了PHP实现的）
- 用的是Django
-
OJ测试机如何实现的
- 判题沙箱(Seccomp)、判题服务器(对Judger的封装)
-
后来问了OJ是不是只部署了，不了解技术（对）
-
卷积神经网络（CNN）有哪些层 （我说了卷积层、池化层、全连接层）
-
C++ mutable，我没听过（面试官说是xxx套了一个模板啥的）
-
让我回去好好学习acm平摊时间复杂度、买一本C++primer、改改简历不要写熟练
