面经问题回答
PyTorch中的扩张卷积（空洞卷积）是怎么实现的
ssd 系列
rcnn系列
densenet
CTC
CTPN
blender绑定骨骼
模型的性能方面
轻量级网络部分：可以用来回答如何提高运行速度
深度可分离卷积：可以看到，如果仅仅是提取一个属性，深度可分离卷积的方法，不如正常卷积。随着要提取的属性越来越多，深度可分离卷积就能够节省更多的参数。
对深度可分离卷积、分组卷积、扩张卷积、转置卷积（反卷积）的理解
小tips:
global avgpooling为就是窗口放大到整个 feature map 的 average pooling
GAP的意义是对整个网络从结构上做正则化防止过拟合。既要参数少避免全连接带来的过拟合风险，又要能达到全连接一样的转换功能，怎么做呢？直接从feature map的通道上下手，如果我们最终有1000类，那么最后一层卷积输出的feature map就只有1000个channel，然后对这个feature map应用全局池化，输出长度为1000的向量，这就相当于剔除了全连接层黑箱子操作的特征，直接赋予了每个channel实际的类别意义。
unity3D 顺序
unity3D面试
