有两面，两个小时，问题很多，挑出来现在能记得住的：
1.bert以及transformer的结构，以及transformer中的编码器和解码器哪一个速度更快
2.LSTM与GRU区别，什么时候用哪一个
3.1*1卷积核的作用
4.避免过拟合的方法以及原理
5.bert的一些trick
6.算法题，两个数组求差的最小值（归并）
7.实习的一些内容
8.self-attention的技术
9.word2vec，fasttext的相关技术细节，为什么快慢之类
先这些，想起来再补

8.22三面
深度模型的训练技巧，BN,dropout，L2等，以及为什么
dropout和集成学习的那种方法最相似？为什么？（GBDT）
LSTM模型中有哪些门？哪一个门最不重要？

最大子数组的和，以及起始位置和结束位置

数学题
一个M*N的矩阵中有多少个正方形，多少个长方形？
化简以及最优解

9.2交叉面
交叉面答得有点稀烂，没想到还是过啦
1.CNN是否具有平移不变性
2.hadoop数据倾斜怎么办
3.代码题：一个数组中，找到一个最大数，是数组中中两个数字的和
4.数学题：如何遍历有理数