先找日常实习骑驴找马暑假实习会有问题吗

一个内网开发的只有5个人的小公司和一个初创公司注册资本只有5万的小公司的实习去哪个更好  本人是第一次实习

在实习中想要骑驴找马，最怕的就是两头耽误：既被实习 leader 发现工作摸鱼，又没顺利拿到下家 offer。我分享下自己在实习中的经验，希望你也能全程不踩坑，既保住实习证明，也能顺利拿到心仪的 offer。骑驴找马最重要的就是时间安排，绝不能占用上班核心时间通勤早高峰：尽量在地铁上搞定当日的求职规划，提前刷招聘软件收藏目标岗位、调整简历关键词，把要投的岗位提前筛好，上班时间绝不碰求职软件。午休黄金期：固定一段时间作为面试专属时段，提前和 HR 约好这个时间，许多 HR 都能理解应届生的处境。地点选公司楼下无人的楼梯间、连锁便利店角落，绝不留在工位接面试电话。剩下时间快速吃饭 ，不耽误下午到岗。晚间专属攻坚：回到出租屋再集中处理求职事宜，改简历、做笔试、复盘面试话术，不要熬夜透支第二天的实习精力。周六上午集中批量投简历，下午针对性刷目标公司的笔试题库；周日全天做面试模拟、复盘过往面试的问题，把一周的求职事宜闭环处理完。在实习中找工作的核心原则只有一条：上班时间做好实习本职，下班时间全力冲刺求职。骑驴找马的底线，是先把 “驴” 骑稳，才能顺利换 “马”。

目前找日常实习，进度深信服测开hr面+腾讯云后台开发一面。个人觉得测开的方向不太匹配，要不要拒掉测开继续沉淀去面其他合适的岗位，还是直接骑驴找马。

想入门模型部署，问了一下Gemini，他的回答如下，大佬们看看这路径可行吗？？？第 1-2 个月：打地基（Modern C++ & CMake & Linux）目标：能看懂推理引擎源码，能独立构建多文件 C++ 项目。核心内容：Modern C++：跟着 HKL 视频，重点吃透 智能指针 (RAII)、移动语义 (Move)、Lambda 表达式和简单的模板。CMake：掌握如何链接第三方库（OpenCV, CUDA, TensorRT），学会编写 find_package。CSAPP：重点精读 第 6 章（存储层次）。理解什么是 Cache Latency。里程碑：在 Linux/WSL 下用 CMake 构建一个调用 OpenCV 处理视频流的小项目。手动实现一个包含智能指针管理的简易内存池。📅 第 3 个月：拿手术刀（CUDA 编程入门）目标：理解 GPU 并行逻辑，能手写并优化基础算子。核心内容：核心概念：Thread, Block, Grid, Shared Memory, Warp Shuffle。实战任务：手写一个 矩阵乘法 (GEMM)。版本 1：朴素版（跑通）。版本 2：使用 Shared Memory 优化（速度提升 5-10 倍）。性能分析：学会使用 nsight-systems 查看 Kernel 执行时间。里程碑：手写一个自定义的图像预处理 Kernel（比如把 BGR 转成 RGB 并归一化）。📅 第 4 个月：炼金术（模型转换与 TensorRT）目标：把 PyTorch 模型变成 1660 Ti 上的极致推理引擎。核心内容：ONNX：学习如何导出 ONNX，如何用 onnx-simplifier 简化模型。TensorRT：掌握 trtexec 工具，学习编写 TensorRT 的 C++ API 推理代码（创建 Runtime、Engine、Context）。插件编写：尝试为一个 TensorRT 不支持的算子写一个 CUDA Plugin。里程碑：将 YOLOv8 导出为 TensorRT 引擎，并在 1660 Ti 上跑到极致 FPS。📅 第 5 个月：工业化（量化与性能压榨）目标：攻克部署最难的一环——精度与速度的平衡。核心内容：量化原理：学习对称量化 vs 非对称量化，理解 KL 散度。PTQ 实战：使用 TensorRT 的 Int8EntropyCalibrator 进行训练后量化。多线程部署：学习 C++ std::thread 或生产消费者模型，实现“视频读取-模型推理-结果渲染”的异步并行流水线。里程碑：完成一个低延迟、多线程的实时检测系统，对比 FP16 和 INT8 的精度损失与速度提升。📅 第 6 个月：破圈与冲刺（国产迁移 & 算法 & 面试）目标：将能力迁移，准备实习面试。核心内容：国产迁移：如果有条件，借或买一个 RK3588 开发板，学习 RKNN-Toolkit。你会发现，因为你有了前 5 个月的底子，这部分 2 周就能上手。算法刷题：每天 1-2 道 LeetCode，重点是数组、链表、排序。八股文复习：回顾 C++ 内存模型、操作系统基础。里程碑：整理简历，把“手写 CUDA Kernel 优化”、“TensorRT INT8 量化实战”作为核心项目写上去。