📣 黑五价提前开抢|VIP一年通行证5折,蓝莓、Offer多多同步特惠
查看: 1519| 回复: 2
跳转到指定楼层
上一主题 下一主题
收起左侧

[找工就业] 请教一个CV/ML的coding challenge

全局:

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看附件。没有帐号?注册账号

x
拿到了一个做计算机视觉+robotics+ML的公司的take-home assignment。. Waral dи,
楼主自己并没有做过CV,有一些比较传统的ML projects,用过SVM,ensemble tree methods等等,还有一个NLP的project,不知道怎么就被看上了,很想好好做一下,所以想发帖请大家多多给建议。题目我感觉就是计算机视觉/图像处理领域非常基础的东西了(大神勿喷),但是因为真的想把这个assignment做好,希望大家能在如何优化性能上给我多提建议!

题目如下:

- input是矩阵维度,初始化略去不谈,得到一个填充了随机非负整数的矩阵A;
- 对A分别沿横轴、纵轴与 K=[-1, 0, 1] 做卷积,分别得到Dx 和 Dy,要打印计算Dx、Dy所用的总时间;. Χ
- 另写一函数计算并打印Dx和Dy中的最大值和最小值。

. Χ计算部分就这些了,非常简单……还给了一些要求和提示:

- the code must be optimized primarily for speed (fast execution) and also efficiency (in terms of memory)
- 计算卷积时,为了得到maximum speed up,可假设K的size不变
- 如何处理border condition自己定,只要说清假设就好 ..

我觉得考察代码是不是够快效率够高还是非常有实际背景意义的,比如智能地图、无人车什么的都要在移动设备上迅速处理大量图像信息。。。
但知道意义不够,所以来请教大家,在做CV的时候,卷积计算有什么高效方法吗?

我自己也会去查,去test,有进展回到这个帖子发一下。。。
这周末正好是labor day长周末,好担心大家都出去度假没有人来看T^T各位路过的朋友请帮忙回帖支持一下,如果能+米鼓励一下就更好了!
如果这个问题太简单了,请权当做对新人的鼓励吧,谢谢理解!


给管理员/版务:第一次发帖,如果放的位置不合适,请多指教~请给我留言我会尽快去合适的版面发帖的!非常感谢!

评分

参与人数 1大米 +2 收起 理由
gzsgdtc123 + 2 给你点个赞!

查看全部评分


上一篇:分享head first系列7本电子书
下一篇:top15 211,gpa 3.66,零基础转码,大四该不该在学校修计算机核心课程?
🔗
Airtnp 2019-9-1 08:34:58 | 只看该作者
全局:
前段时间叶公好龙了一下卷积的话题...瞎说一下, 当然代码是没写过的

加速卷积基本上就是加速GEMM, 先做im2col然后用winograd, qnnpack
还要SIMD, GPU(CUDA/OPENCL)实现
参考
https://zhuanlan.zhihu.com/p/75203171
https://github.com/lyuchuny3/Ten ... master/readme_cn.md ..
https://docs.tvm.ai/tutorials/op ... ptimize-opt-gemm-py

不过我很怀疑[1, 0, -1]需要这么做吗

评分

参与人数 1大米 +1 收起 理由
blingbling15 + 1 级别低只能选+1,感谢答主!

查看全部评分

回复

使用道具 举报

🔗
 楼主| blingbling15 2019-9-1 11:37:26 | 只看该作者
全局:
Airtnp 发表于 2019-9-1 08:34
前段时间叶公好龙了一下卷积的话题...瞎说一下, 当然代码是没写过的

加速卷积基本上就是加速GEMM, 先做i ...

哇超感谢!在看tvm了,感觉是针对高维矩阵(单次)卷积运算做的优化
[-1, 0, 1]可能有点小题大做,不知道overhead会不会很大(会试一下的!)……
但是感觉非常受用,我会在summary里面提一下这方面的research的
感谢答主~
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号
隐私提醒:
  • ☑ 禁止发布广告,拉群,贴个人联系方式:找人请去🔗同学同事飞友,拉群请去🔗拉群结伴,广告请去🔗跳蚤市场,和 🔗租房广告|找室友
  • ☑ 论坛内容在发帖 30 分钟内可以编辑,过后则不能删帖。为防止被骚扰甚至人肉,不要公开留微信等联系方式,如有需求请以论坛私信方式发送。
  • ☑ 干货版块可免费使用 🔗超级匿名:面经(美国面经、中国面经、数科面经、PM面经),抖包袱(美国、中国)和录取汇报、定位选校版
  • ☑ 查阅全站 🔗各种匿名方法

本版积分规则

>
快速回复 返回顶部 返回列表