人工智能面试题 · 编码实现 · NumPy
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 15 道 · 更新 2026-08-05
筛选题目已选：编码实现 · NumPy
考察点
技术栈
第 1 题给定大量边界框，如何高效并行计算所有两两框之间的IOU？请给出向量化或加速的思路。 考察算法优化、并行计算与向量化能力第 2 题请用代码实现一个GRU单元的前向传播过程。 考察对GRU门控机制的理解及工程实现能力第 3 题手撕全连接层，实现forward 考察对神经网络全连接层前向传播的数学原理和代码实现能力第 4 题实现多头注意力机制(torch或者numpy) 考察对多头注意力机制原理的理解和代码实现能力第 5 题如何将一个 NumPy 数组转换为 Tensor？ 考察对常见深度学习框架中数据类型转换接口的掌握第 6 题用 NumPy 手写并讲解 beam search 的实现过程，重点说明如何维护 beam 中的候选序列以及如何计算新序列的得分。 考察对 beam search 算法原理和 NumPy 向量化实现的掌握程度第 7 题请用NumPy手写实现一个二维卷积运算的前向过程。 考察对卷积原理的理解与基础编码实现能力第 8 题给定一组二维人体关键点，如何渲染一组对应的二维高斯热图？请说明实现思路并写出关键步骤。 考察计算机视觉中关键点热图的生成原理、二维高斯分布应用与编程实现第 9 题请使用numpy实现多层MLP的前向传播与反向传播。 考察对多层感知机前向和反向传播的数学理解与手写实现能力第 10 题如何将一个 Tensor 转换为 NumPy 数组？ 考察对张量转回 NumPy 数组操作及设备限制的理解第 11 题你能用numpy写出该损失函数的公式吗？ 考察对损失函数数学公式及numpy实现的掌握第 12 题用numpy实现全连接层 考察numpy矩阵运算能力与全连接层前向/反向传播理解第 13 题用numpy实现矩阵分解 考察对矩阵分解原理的理解及numpy编码实现能力第 14 题用numpy实现交叉熵函数。 考察对交叉熵原理的理解和numpy实现能力第 15 题请用 NumPy 手写实现一个 Transformer 块的前向传播：输入一个矩阵，输出经该块处理后的结果，要求不使用 PyTorch。 考察对 Transformer 块结构（自注意力与前馈网络）的掌握及基于数组的编码实现能力