算法工程师-自动驾驶模型部署与优化

1.模型部署与转换：负责将PyTorch/TensorFlow等框架训练的模型，通过ONNX等中间格式，转换并优化至特定硬件平台的推理引擎（如TensorRT、地平线工具链）。 2.极致性能优化：主导模型在NPU/GPU/DSP/BPU等异构计算单元上的性能调优。通过图优化、算子融合、内存管理、流水线并行等技术，持续降低延迟、提高吞吐量。

3.模型量化与压缩：实施并创新模型量化（INT8/INT4）、剪枝、蒸馏等压缩技术，在保证模型精度损失可控的前提下，大幅降低模型体积与功耗。

4.工具链与自动化：参与设计、开发和维护高效的模型部署与评测工具链，提升团队整体的交付效率与质量。

5.问题诊断与解决：构建模型在板端的性能与精度监控体系，快速定位并解决部署中出现的性能瓶颈、精度异常及稳定性问题。

6.跨团队协作：与算法团队紧密合作，提供模型设计阶段的部署友好性建议；与软件平台团队协作，确保驱动和运行时环境的稳定性。

教育背景：统招本科及以上学历，45岁内

工作经验要求：

1、3年以上模型部署或高性能计算相关经验。

2、编程能力：熟练掌握C++(必备)和Python(必备)编程语言，具备扎实的代码能力和良好的软件工程习惯。

3、推理框架：至少深入理解并实践过一种主流推理框架，如TensorRT,OpenVINO,vLLM,ONNX，Runtime等，了解其核心原理和优化手段。

4、硬件经验：拥有在以下至少一个平台上的实际模型部署与优化经验：NVIDIA系列（如Orin,Xavier）、地平线系列（如Journey系列）、华为昇腾Qualcomm Snapdragon Ride

加分项：

①拥有大语言模型或视觉大模型 在端侧设备上的量化、部署与优化实战经验。

②熟悉计算机体系结构，对CPU/GPU/NPU的微架构、内存带宽、缓存机制有深入理解。

③有自定义算子开发或修改的经验，能够解决框架不支持的算子问题。

④具备自动驾驶感知（如目标检测、分割、跟踪）模型部署经验者优先。