中兴 GPU 算子开发面经:从 GPU 架构问到 FP16 量化与 DQN
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 自我介绍。
- 项目拷打:使用了什么芯片,GPU 加速是怎么做的?
- GPU 架构,与 CPU 相比的优势。
- 量化(FP16)。
- C++ 虚函数。
- 指针函数与函数指针。
- 强化学习 DQN 讲解。
- 参加过哪些竞赛?
- 反问环节。
《参考解析》
GPU 与 CPU 的差异要落到「为吞吐还是为延迟设计」:CPU 核心少但单核强,有大量缓存、分支预测、乱序执行,擅长复杂控制流与低延迟的单线程任务;GPU 有成千上万个轻量核心,靠大量线程切换掩盖访存延迟,擅长数据并行、规则计算。GPU 的存储层次是寄存器、共享内存、L1/L2、显存,编程时要考虑合并访存、共享内存 bank 冲突、占用率(occupancy)与 warp 调度。算子开发岗位会追问「一个算子怎么写才能跑满带宽」,答法是先看是计算密集还是访存密集,计算密集靠提高并行度与指令级并行,访存密集靠合并访问、向量化读写与减少全局内存往返。
FP16 量化:把 FP32 的权重与激活降到 FP16,显存占用与带宽需求减半,Tensor Core 在 FP16 上的吞吐远高于 FP32;代价是表示范围与精度下降,容易出现溢出与下溢。工程上要做损失缩放(loss scaling)防止梯度下溢,累加仍用 FP32,敏感层(如 LayerNorm、softmax)保留高精度;推理侧常用「FP16 存储 + FP32 累加」,并对输出做数值对比验证精度损失在可接受范围。面试官常追问「量化后精度掉了怎么定位」,答法是逐层对比输出、找出误差放大的层,再决定混合精度策略。
C++ 两个易混点:虚函数通过虚表实现,对象里存虚表指针,派生类重写后调用走动态绑定;构造函数不能是虚函数,析构函数在基类指针删除派生类对象时必须是虚函数。函数指针是「指向函数的指针」,声明形如 int (*p)(int);指针函数是「返回指针的函数」,形如 int* f(int)。记忆口诀是看名字最后两个字:函数指针本质是指针,指针函数本质是函数。
DQN 的讲法:用一个神经网络近似 Q 函数,输入状态、输出每个动作的价值,用经验回放打散样本相关性,用目标网络稳定训练目标,损失是 TD 误差的均方。要能说清探索策略(ε-greedy)、目标网络更新频率、以及 DQN 的局限(只适合离散动作、Q 值容易高估,后者由 Double DQN 缓解)。如果项目里只是复现,就如实说复现到哪个程度、调了哪些超参。