harleyszhang/cv_note

什么是 cv_note？

cv_note 是一个面向计算机视觉（CV）算法工程师的个人知识库和职业指南——这些工程师构建让计算机“看见”并理解图像的系统。它由一位名为 HarleysZhang 的开发者创建。

该项目最初是一个实用的求职工具包：一份招聘 CV 算法工程师的公司列表，以及一系列面试问题和作者自己的面试经历。随着时间的推移，它扩展为一套更广泛的技术学习笔记，涵盖 CV 工程师所需的技能。

内容简介

该仓库按学习路径组织，包含以下文件夹：

• 计算机基础（操作系统、网络等）
• 编程语言（包含 Python 3 总结）
• 数据结构和算法
• 机器学习和深度学习（包括深度学习基础总结）
• 计算机视觉（图像识别、目标检测、语义分割）
• 模型压缩和量化（使 AI 模型更小更快）
• 高性能计算
• 模型部署（让模型在生产环境中运行）
• 图像算法岗位面试总结

还有一个专门的学习路线图文件和一张 CV 工程师应掌握知识点的思维导图。

README 中包含一个大型公司表格，按层级分组：顶级科技公司（百度、阿里巴巴、腾讯、微软、谷歌）、互联网公司（美团、字节跳动、京东）、AI 初创公司（商汤科技、地平线机器人、Momenta）以及其他大型企业（海康威视、大疆、华为等）。

付费课程（README 的主要焦点）

README 用大量篇幅推广一门付费课程（499 元），该课程由作者与另一个项目“自研深度学习推理框架”的作者共同创建。课程教授如何从零开始构建大语言模型（LLM）推理框架——即在 AI 模型（如 ChatGPT）训练完成后运行它们的软件。

关于课程的关键声明：

• 使用 Triton + PyTorch 构建——Triton 是一种编程语言，无需编写复杂的 CUDA 代码即可简化 GPU 加速
• 涵盖大模型完整的离线推理流程
• 实现 FlashAttention V1/V2/V3（一种快速注意力算法）、GQA（一种节省内存的注意力变体）和 PageAttention（一种内存管理技术）
• 支持近期模型，如 Llama、Qwen2.5 和 Llava1.5
• 声称在 Llama 3 1B 和 3B 模型上相比标准 transformers 库可实现最高 4 倍加速
• 包含针对高性能计算/推理框架岗位的分类面试题（2025 版）

提供了联系方式（微信二维码）用于购买。

当前状态：正在弃用

README 明确说明该项目正在逐步退役。大部分内容不再更新。作者引导读者前往另外两个仓库以获取持续更新的工作：

• dl_note——用于深度学习和 LLM 推理知识
• lite_llama——用于 LLM 推理框架开发

其他细节

• 作者维护一个名为**“嵌入式视觉”**的微信公众号，并在 armcvai.com 拥有个人博客，同时在知乎、CSDN、博客园和掘金上有个人主页。
• README 建议，如果 GitHub 无法正确渲染 LaTeX 公式，可以使用浏览器插件或下载仓库并用 Typora 或 VSCode 阅读。
• 该项目采用 Apache 2.0 许可证。

简而言之

cv_note 是一份面向有志成为 CV 算法工程师的中文职业和学习指南——既是求职参考，也是技术笔记本。它不再积极维护，但仍包含结构化的学习路径和公司列表。README 当前的主要目的似乎是引导读者前往作者的新项目，并推广付费的 LLM 推理框架课程。