后端java暑期实习投递记录，记录三月~

🙀

来，说点可能被同行“骂”的大实话。🙊当初接数字马力Offer时，朋友都说：“蚂蚁的“内包”公司？你想清楚啊！”但入职快一年后的今天，我反而对他有了不一样的看法！🔹 是偏见？还是信息差！之前没入职之前外面都在说什么岗位低人一等这类。实际上：这种情况不可至否，不能保证每个团队都是其乐融融。但我在的部门以及我了解的周边同事都还是十分好相处的～和蚂蚁师兄师姐之间也经常开一些小玩笑。总之：身份是蚂蚁公司给的，地位是自己挣的（一个傲娇女孩的自述）。🔹 待遇？玩的就是真实！试用期工资全额发！六点下班跑得快（早9晚6或者早10晚7，动态打卡），公积金顶格交。别听那些画饼的，到手的钱和下班的时间才是真的（都是牛马何必难为牛马）。🔹 能不能学到技术？来了就“后悔”！我们拥有权限直通蚂蚁知识库，技术栈多到学不完。说“学不到东西”的人，来了可能后悔——后悔来晚了（哈哈哈哈，可以不学但是不能没有）！💥 内推地址：https://app.mokahr.com/su/ueoyhg❗我的内推码：NTA6Nvs走我的内推，可以直达业务部门，面试流程更快速，进度可查！今天新放HC，之前挂过也能再战！秋招已经正式开始啦～机会就摆在这，敢不敢来试一试呢？（和我一样，做个勇敢的女孩）

对抗生成网络算法基础知识 基本思想 生成对抗网络（GAN）的核心思想是通过两个神经网络——生成器（Generator）和判别器（Discriminator）的对抗训练实现数据生成。生成器负责生成尽可能逼真的假数据，判别器则试图区分真实数据和生成数据。二者在博弈中不断优化，最终生成器能产生难以被判别器识别的数据。 GAN的基本架构  生成器（Generator）：输入通常是随机噪声向量（如高斯分布），通过反卷积或上采样操作生成数据（如图像）。其目标是最大化判别器的误判率。 判别器（Discriminator）：输入为真实数据或生成数据，输出为数据真实性的概率（0到1）。其目标是准确区分真假数据。...