device_tang_的博客

原创 小米软开日常实习一面

应该是直接挂了，面试官对底层问的比较细，十分有水平，我回答的意思上都差不多正确（面试官说的），但也通过这次面试发现我的底层知识面太薄了，需要进一步巩固和记牢这些概念，手撕代码写出来了，但是逻辑有大问题，ε=(´ο｀*)))唉，可惜了。不过小米的速度真快，1.15投递，1.16打电话约面，1.17面试，好评！（不像某些企业疯狂泡池子，哭）

原创 从零开始将本地项目上传到 GitHub

Cmd ：ssh-keygen -t rsa -C “注册github的邮箱”得到ssh秘钥地址，打开.pub，复制秘钥输入进入github设置里在想要上传的项目文件夹下打开git bash，输入以下指令：git initgit add .git remote add origin 创建仓库的ssh地址ChatGPT 4o生成的指示文档：从零开始将本地项目上传到 GitHub本教程将帮助你将本地项目上传到 GitHub，步骤简明易懂，适合新手。

原创 leedcode打卡第二天

原创 leetcode学习打卡

最近学习深度学习，越发觉得已经忘了很多算法的内容，并查集，DFS，动态规划感觉已经忘的差不多了，我得把他们都捡回来，养成每天练几个简单算法题或者一个中等题的习惯。

原创 关于freedom模型的理解--ACM MM 2023

师兄给了我一篇ACM MM的论文，FreeDom模型搭建流程。

原创 基于内容和流行度推荐

最近消失了近一个月，实在是太忙碌了。在9月中旬加了一个组，某C9的，师兄发了很多任务，忙着完成去了。第一个任务就是对推荐算法的两种标准进行推荐，基于内容的推荐和基于流行度推荐，总体难度还是比较低的。下面是几个presentation的截图。这个就是基于内容推荐，最基础的还是比较简单的，而在对用户特征建模时，我们有多个手段进行搭建。借用基于内容推荐的图，假如这是基于流行度推荐，哪部电影会被推荐给A呢？因为BC都看电影B，这意味着电影B的流行度最高，它将会被推荐给用户A。

原创 今天晚上调了份准备好的Ideal的代码，终于是调好了，另外解决了一个奇特的Bug

于是，我找到了系统环境变量中的path，发现路径是正确的，并且在Anaconda建立的虚拟环境中能查询到CUDA成功安装cuda113，并且检查路径也正确。正当我百思不得其解的时候，我问了GPT，根据它的回答，我怀疑是pytorch与cuda之间不能匹配，于是我把我的2.4版本的pytorch改为1.13，这时候爆出来了一个警告，说我PIP的版本过低。都说版本低了，肯定就狠狠拉高版本，然后发现这pip版本也太低了，于是，我突发奇想的想试试这会能不能检测到GPU了，结果显示可以，舒服了，能睡个好觉了。

原创 transformer对位置编码的理解

如下是我对transformer位置编码的一些理解，最近在尝试一些新东西，做好了会分享出来和大家一起学习交流。

原创 对transformer的encoder部分的感悟

这是transformer模型encoder部分的我的一些感悟。自己动手复现一边对整个逻辑流程还是很清晰，回过头来看源码进行对照，更加理解这部分。

原创 关于transformer注意力机制的一些感悟

如上是我对transformer模型的注意力机制的感悟，总体来说深度学习还是得看代码来学习，一步一步复现代码，不断调试，明白代码每一步在干什么，构建的矩阵是什么形状的，通过一些例子加深记忆。小半个七月和九月上半旬我都在打关于深度学习的基础，发现光看代码，当时看懂了但一会儿就忘记了，记得并不深刻，于是我选择对每个流程进行笔记，更方便以后的复习，以及加深对模型的理解。我最近看了几篇多模态情感分析的顶会文章，感觉都十分巧妙，我也在找这方面一些数据集，争取能不能冷饭复炒一下，哈哈哈，本科生对自己要求低点。

原创 十来天的从头学习深度学习代码的感悟

这十来天，除开出去玩了几天，我对深度学习从最开始的数据加载，回归到卷积到封装进行了一个较为详细的学习。深度学习感觉就是一个矩阵运算，我重点研究了TextCNN，大体上就是文字转为矩阵，形成embedding层，再进行激活，最后进行最大池化，我感觉利用矩阵十分巧妙的把这些东西一步一步得出我们想要的，我离解析该模型还有一大段距离，还需努力。图片卷积复现了手写AI的代码，并且跑通。这些天也接触到机器学习中的APSO算法，还有支持向量机，并且将他们联系起来的优化算法，都是用的matlab，都跑通了。

原创 第一次深度学习跑模型心得与感想

进行code地址，在C盘创建文件夹，点进文件夹，用git bash 输入 git clone 粘贴该地址，完成项目导入本地，右键open pycharm 进入到pycharm，利用创建好的DL虚拟环境解释器，pip install 软件包，最终点击运行run.py成功跑出。from scipy.sparse import csr_matrix, issparse 这个就很有意思了，是我的numpy库的版本太低了，于是我上DL里重新下了一个更高版本的numpy，就没报错了。查看日志文件以获取更多线索。