PeterQwQ

例行总结过去一年，还是和去年一样，从实习，学业以及生活三个方面来写点流水账。

实习

在西门子实习到了今年年初的四月份，由于我自己不想干了，同时毕业设计也即将ddl，顺便享受一下剩下的大学生活，就离职了。实习的主要工作就是做了一个基于 self-supervised 的方法来检测 西门子自己PCB的缺陷的工作。我大概是把所有的代码给跑通了，有了一个初步的结果。
对于输入的图片，上面会有8块相同的PCB板子。对于这些PCB板子，首先采用传统CV图像识别的方式，根据模版图片识别出具体八块PCB。由于我们使用的是4K的摄像头，因此每一块PCB的分辨率非常的高，直接输入给模型做推理或者训练的话会非常的大。
想到一张方法就是先对模型进行分块处理，对于每一个输入的PCB板子，在训练阶段，把它分成128*128的小块，同时对于每一个小块，记录对应的位置，方便后续加入位置编码，然后打乱交给后续的图像编码器；在推理阶段，顺序的把PCB板子每一块给切割成对应的小块，同时记录位置。
得到128*128的小块之后，采用利用经过预训练的图像Encoder得到图像的编码，这里有多种选择方式，例如 ResNet, SwinUnet, SwinTransformer 等等模型可以选择。在

学业

TBD

生活

TBD

写在最后

TBD

1. 两数之和

用一个dict来存过去见过的 target-nums[i] ，然后如果当前和这个一致的话就找到匹配的两个数

1
2
3
4
5
6
7
8
9
10

from collections import defaultdict

class Solution:
    def twoSum(self, nums: List[int], target: int) -> List[int]:
        mem = defaultdict()
        for i in range(len(nums)):
            if target - nums[i] in mem:
                return [mem[target-nums[i]], i]
            mem[nums[i]] = i
        return []

在西门子实习的时候，当时突发奇想想设计一个pre-training加post-training的架构，当时是希望在后面接一个projection head，然后前面用预训练好的模型冻结住不改变就可以了。原本以为只需要写一串这样的代码就完全OK：

1
2

for param in model.xxxpart.parameters():
    param.require_grad = False

结果训练完后面的projection head，前面的模型输出的重建图片的结果和原来差别巨大，我就感觉并没有冻结住所有的变量，肯定是对前面也进行了训练。查看训练前后模型的参数变化：

博客是2021年就搭建好的，可惜也没有写一些技术类的文章。主要是自己也没什么本事，肚子里也没啥墨水。那还不如在互联网上记录过去一年生活与学习的痕迹，以后还能留个纪念。写流水账

实习

一月份结束了在ChaoWei Xiao老师那里的远程实习，是我第一份科研向实习工作，主要做的是大模型评测代码相关benchmark的搭建。

正如同deepseek宣传的那样，AGI的实现是算力x算法x数据，数据在其中其实扮演着很重要的角色，所以这个工作大部分时间也就在洗数据，测模型，找bad case等。据说benchmark相关的工作就是这样，但是我个人实在是觉得这样的工作没有什么含金量，也没有去继续下去。

虽然这段实习经历就三个月的时间，并没有继续延续下去，但是我觉得这倒是我受益比较多的实习经历。在zqz师兄 （虽然我觉得他情商非常低下） 的指导之下，倒是形成了自己的代码规范，对于面向对象代码的规范，方法的封装，类的继承等都比之前要写的好了很多，技术力upup。同时在做实验的时候还学到了很多分析bad case的方法，以及分析问题的角度与思路，还是蛮不错的。

寒假在家倒是挺爽的，和朋友吃吃喝喝，爽摸一个月。

中国科学院计算技术研究所客座学生 一面(40min)

面试是计算所的phd电话交流的，流程如下：

• 介绍了要做的项目

  ICT，商汤和南方电网一起合作的项目。主要做LLM+时序预测，有卡有数据集，但是数据集是南方电网的内部私有数据集，不能公开。

• 谈谈之前做过的LLM相关的项目，有没有自己跑过，或者测试过一些LLM？

  讲了远程实习那段用LLM做漏洞检测和漏洞修复的工作。

最终去向：

提交

1

git commit -m "commit_info"

创建分支

是指在当前节点下，创建一个完全一样的分支，和之前的分支互不干扰。

1

git branch <branch_name>

切换到相应的分支上：

1

git checkout <branch_name>

可以用一个指令完成创建与移动：

1

git checkout -b <branch_name>

为什么需要图神经网络

对于一个图而言，我们通常注意于三种特征：

1. 整个图的特征，例如图中有多少个节点，多少条边。
2. 图中节点的意义，例如对于一个图片的图表示，可能一个节点就表示了一幅图片的一个像素点。
3. 图中边的意义，例如对于社交网络而言，两个节点之间有边就表示两个人是有联系的，反之则没有联系。

因此，图神经网络的任务也通常集中于这三种，我们可以分为Graph-level,Node-level以及Edge-level的任务。

如何表示一个图

无论要解决什么样的任务，首要任务肯定是要先表示出来一个图，比较容易想到的解决方案就是构造邻接矩阵。但是邻接矩阵有它的缺点，就是太过于稀疏了，我们在学Linear Algebra的时候都知道，稀疏矩阵其实是一个不好的东西，同时对于我们计算机而言，稀疏矩阵同时占用了大量没用的内存，这对于我们以后的计算肯定是会降低性能的，所以我们这里可以采用构建邻接表的形式来表示一个图。

之前只是听说过python可以使用beautifulsoup或者是selenium之类的库进行爬虫的操作，也听说过一些理论，例如能爬API就爬API，爬不了API再去爬网页。

这次需要自己手动的去爬取存储漏洞代码的网站SARD以及Github commit。

爬取漏洞代码

其实这里我是用selenium模拟了浏览器的这样一个功能，但是后面发现只要爬API就行了。

Selenium模拟浏览器

首先需要安装相应浏览器的驱动，我用Edge比较多，因此选择了Edge的driver，实际上你用哪个就在网上下哪一个然后安装到和python安装目录一样的路径下就ok了。

观察这个网页，发现我们需要找的代码其实是一个滚动的状态，就是说随着鼠标的下滑，它之前的代码会从页面消失，后续的代码会在页面展现，单纯的使用一个selector根据它的class来提取里面的代码肯定是不行的。

蔚来数据分析日常实习面试

介绍一下自己的项目

介绍了在NUS做的iwallpaper项目的数据获取以及如何处理的。

一个数分场景题

妈的，我都没听过那些名词，什么数仓异动，最后尴尬的和面试官说没学过不好意思😭

Union和Union all区别

Union：对两个结果集进行并集操作，不包括重复行，同时进行默认规则的排序；

Union All：对两个结果集进行并集操作，包括重复行，不进行排序；

了解窗口函数吗，说说看呢

1
2

<窗口函数> over (partition by <用于分组的列名>
                order by <用于排序的列名>)