帆软内推码DDGZX

刚入职的时候，我的技能包其实很“标准”：左手Python写模型，右手C++写点逻辑，典型的算法生配置。但真实的工作场景很快就给我上了一课：问题不会迁就你会什么语言，而是需要你用最合适的工具去解决问题。为了搞定海量数据的高并发传输，Python显得有些力不从心，于是我不得不跳出舒适区，现学Go语言，在OSS工具的基础上完善不同格式媒体的分段传输验证，解决了卡脖子的IO瓶颈。（oss这是真的快啊）紧接着面对老旧的PHP业务框架，为了让新算法能无缝接入需要将PHP到Python的整体架构迁移。其中涉及到的代码深度，现在想想还是脑壳疼，一个算子包了六七层！现在的我，与其说是“学会了更多语言”，不如说是...

为什么我连一个实习都找不到啊！！找了两个星期，屁都没有！！

路过看一眼不说话都要被踹一脚吗

面试题简述Transformer中用的是LayerNorm，而不是常见的BatchNorm，这是为什么？面试官想听的意识到不是BN不好，而是不适合Transformer的使用场景。面试回答举例Transformer中选择LayerNorm而不是BatchNorm，主要原因和序列建模方式以及训练场景有关。详情请查看：http://xhslink.com/o/8yJohFzKSX6由浅入深分析1、BN 依赖 batch 统计量。2、LN 只依赖特征维度。3、Transformer 的 token 并行与 BN 设计目标维度不一致。4、自回归推理场景下 BN 表现不稳定。面试加分点1、提出推理阶段 ...