CV算法工程师成长之路

• 我的自制大模型推理框架课程介绍
• 前言
• 目录
• 学习路线
• 算法基础
• 可投递公司
• 我的公众号
• Star History

我的自制大模型推理框架课程介绍

1. 框架亮点：基于 Triton + PyTorch 开发的轻量级、且简单易用的大模型推理框架，采用类 Pytorch 语法的 Triton 编写算子，绕开 Cuda 复杂语法实现 GPU 加速。
2. 价格：499。非常实惠和便宜，课程 + 项目 + 面经 + 答疑质量绝对对得起这个价格。
3. 课程优势​：
   • 手把手教你从 0 到 1 实现大模型推理框架。
   • 项目导向 + 面试导向 + 分类总结的面试题。
   • 2025 最新的高性能计算/推理框架岗位的大厂面试题汇总
4. 项目优势​：
   • 架构清晰，代码简洁且注释详尽，覆盖大模型离线推理全流程。​
   • 运用 OpenAI Triton 编写高性能计算 Kernel，开发矩阵乘法内核，效率堪比 cuBLAS。​
   • 依托 PyTorch 进行高效显存管理。​
   • 课程项目完美支持 FlashAttentionV1、V2、V3 与 GQA，以及 PageAttention 的具体实现。​
   • 使用 Triton 编写融合算子，如 KV 线性层融合等。​
   • 适配最新的 llama/qwen2.5/llava1.5 模型，相较 transformers 库，在 llama3 1B 和 3B 模型上，加速比最高可达 4 倍。
5. 分类总结部分面试题：

6. 项目运行效果:

llama3.2-1.5B-Instruct 模型流式输出结果测试：

Qwen2.5-3B 模型（社区版本）流式输出结果测试：

Llava1.5-7b-hf 模型流式输出结果测试:

感兴趣的同学可以扫码联系课程购买，这个课程是我和《自制深度学习推理框架》作者一起合力打造的，内容也会持续更新优化。

前言

本项目最初是当作 cv 算法工程师实习内推表、校招可投递公司汇总以及个人面经的汇总，后面逐步转变为个人 cv 算法工程师成长之路所记录的技术栈笔记、以及少部分面经等内容。

项目部分内容参考自 github 项目/网络博客/书籍和 个人博客 等，由于时间和精力有限，有些知识点还没有没有完成，请见谅。

本项目正逐步废弃，大部分内容不再更新，关于深度学习、大模型推理以及大模型推理框架开发的知识，欢迎移步 dl_note、和 lite_llama 仓库阅读。

GitHub 已经支持直接显示 latex 公式，部分公式如果显示不全，也可在谷歌浏览器安装 MathJax Plugin for Github 插件访问(需要翻墙下载安装)，或者下载仓库到本地，使用 Typora 软件阅读，也可以使用安装了 Markdown+Math 插件的 VSCode 软件阅读。

目录

作为一个计算机视觉算法工程师，需要掌握的不仅是计算机编程知识，还需要掌握编程开发、机器学习/深度学习、图像识别/目标检测/语义分割、模型压缩、模型部署等知识点，我整理了一个 技术栈思维导图。

强调一下如何从“零”起步，首先确保基础打好。建议完整修完一门国外经典课程（从课程视频、作业到项目），然后完整阅读一本机器学习或者深度学习教科书，同时熟练掌握一门基本的编程语言以及深度学习框架。（参考 中国人民大学赵鑫：AI 科研入坑指南）

• 计算机基础
• 编程语言
• 数据结构与算法
• 机器学习
• 深度学习
• 计算机视觉
• 模型压缩与量化
• 高性能计算
• 模型部署
• 图像算法岗面经

学习路线

cv算法工程师学习成长路线

算法基础

深度学习基础的和 Python 编程基础知识总结。

• 深度学习基础
• Python3 基础

可投递公司

鉴于 2019 年写的春招算法实习岗位表绝大部分已经失效，本人也再无精力维护，故将其移除，故不在展示在仓库主页上。

虽然算法工程师可投递的公司是较多的，但是岗位提供的 hc 是不及开发多的，这点需要注意。以下表格侧重于计算机视觉算法和算法优化/部署工程师岗位。

top级公司	互联网公司	AI独角兽公司	其他大公司
百度	美团	地平线机器人	顺丰科技
阿里巴巴	滴滴出行	图森未来	招银网络科技
腾讯	拼多多/菜鸟网络	momenta	平安科技
字节跳动	京东	小马智行	cvte
微软	网易	蔚来汽车	海康威视
谷歌	快手	小鹏汽车	虹软科技
商汤	爱奇艺	科大讯飞	传音手机
英伟达	小米	寒武纪/依图	大华
博世	陌陌	旷视	荣耀手机
大疆无人机	美图MTlab	文远知行	联想
蚂蚁金服	360安全	云天励飞	汇顶科技
Intel/亚马逊	搜狗	摩尔线程	美的中央研究院
华为	猿辅导	思必驰	锐明技术
无	新浪/搜狐/金山	奥比中光	联发科
无	YY/虎牙/BIGO/斗鱼	优必选	联影医疗
无	oppo/vivo/一加	度小满金融	戴尔
无	贝壳找房	深睿医疗	TP-LINK
无	携程/去哪儿/途家	镁佳科技	ZOOM
无	瓜子二手车	猎豹移动	广联达
无	作业帮/VIPKID/好未来	京东数科	深信服
无	阅文集团/58集团	追一科技	中国电信云计算
无	B站	深兰科技	三星电子研究所
无	小红书/英语流利说	明略科技	苏宁
无	趣头条/一点资讯	数美科技	微众银行
无	知乎	驭势科技	中国移动成研院
无	蘑菇街	随手科技	远景智能
无	转转	智加科技	牧原智能科技
无	同花顺/老虎证券	壁仞科技	便利蜂
无	乐信/有赞	趋势科技	中兴
无	金蝶软件(中国)	云从科技	航天二院706所
无	汽车之家	第四范式	吉利汽车
无	珍爱网/酷狗音乐	黑芝麻智能	碧桂园机器人
无	巨人网络/盛大游戏	格灵深瞳	华米/极米
无	最右/快看漫画	码隆科技	无
无	猫眼娱乐/多牛传媒	轻舟智航	无

我的公众号

更多知识和最新博客，欢迎扫码关注我的公众号-嵌入式视觉，记录 CV 算法工程师成长之路，分享技术总结、读书笔记和个人感悟。

Star History

cv_note 快速上手指南

cv_note 并非一个可安装的软件库或框架，而是一个计算机视觉（CV）算法工程师的学习路线与技术栈笔记汇总。本项目以文档形式整理了从基础到进阶的完整知识体系，适合希望系统学习 CV 算法、模型部署及面试准备的开发者阅读。

环境准备

由于本项目主要为 Markdown 格式的文档集合，无特定的系统或依赖要求。为了获得最佳阅读体验（特别是包含数学公式的部分），建议准备以下环境：

• 操作系统：Windows / macOS / Linux 均可。
• 阅读工具推荐：
  • VS Code：安装 Markdown+Math 插件，可直接在编辑器内渲染 LaTeX 公式。
  • Typora：本地 Markdown 编辑器，原生支持数学公式显示，阅读体验极佳。
  • Google Chrome：若直接在 GitHub 网页阅读且公式显示不全，可安装 MathJax Plugin for Github 插件（需网络条件支持）。
• 前置知识：建议具备基础的 Python 编程能力，并对机器学习/深度学习有初步了解。

安装步骤（获取内容）

本项目无需通过包管理器安装，直接克隆仓库到本地即可开始学习。

1. 克隆仓库 打开终端，执行以下命令下载项目：

   git clone https://github.com/HarleysZhang/cv_note.git
   

2. 进入目录

   cd cv_note
   

3. （可选）国内加速 如果访问 GitHub 速度较慢，可使用 Gitee 镜像（如果有）或通过代理加速克隆：

   # 示例：使用镜像源克隆（需确认镜像是否存在）
   git clone https://gitee.com/mirror/cv_note.git 
   # 或者直接使用上述官方地址配合网络加速工具
   

基本使用

获取仓库后，你可以通过以下方式开始学习：

1. 浏览核心学习路线

在本地文件管理器或 IDE 中打开根目录，重点关注以下核心模块文件夹：

• 1-computer_basics：计算机基础
• 2-programming_language：编程语言（含 Python3 总结）
• 4-machine_learning & 5-deep_learning：机器学习与深度学习基础
• 6-computer_vision：计算机视觉核心算法
• 7-model_compression：模型压缩与量化
• 8-high-performance_computing：高性能计算
• 9-model_deploy：模型部署实战
• interview_summary：图像算法岗面经汇总

2. 阅读入门文档

建议首先阅读根目录下的路线图文件，建立整体认知：

# 在 Typora 或 VS Code 中打开
cv 算法工程师成长路线.md

3. 深入学习具体知识点

例如，想要复习深度学习基础或 Python 编程，可直接打开对应章节的 Markdown 文件：

# 路径示例
4-deep_learning/深度学习基础总结.md
2-programming_language/python3/python3 编程总结.md

4. 参考公司投递列表

查阅 README.md 中的“可投递公司”表格，了解当前市场上对 CV 算法工程师有需求的企业（涵盖互联网大厂、AI 独角兽及传统科技公司）。

注意：作者已在前言中标注，部分旧内容（如 2019 年实习表）已移除。关于大模型推理框架及最新深度学习内容，建议结合作者的其他仓库 dl_note 和 lite_llama 同步学习。