坚持走自己的路！ 2025-06-23T15:04:12.101Z http://www.yulezhang.com/ Hexo http://www.yulezhang.com/2025/06/22/73-android-architecture/ 2025-06-22T08:32:40.000Z 2025-06-23T15:04:12.101Z

<p><img src="/images/android-basic.png" alt="cover"></p> <p>本文为android架构扫盲，主要是为了理清一些android开发中的基本概念</p>

http://www.yulezhang.com/2025/06/22/74-qcom-dsp-train/ 2025-06-22T08:32:40.000Z 2025-06-22T15:54:10.268Z

<p><img src="/images/web.jpg" alt="cover"></p> <p>本周16、17两天参加了高通cdsp的培训，第一天主要以llm/sd大模型和sm8850为主，第二天主要以dsp和一些工具为主。</p> <h2

http://www.yulezhang.com/2024/03/14/72Web-summary/ 2024-03-14T14:47:40.000Z 2025-06-22T07:35:22.360Z

<p><img src="/images/web.jpg" alt="cover"></p> <p>经常迷惑于各种前端技术，有了js/html/css三件套，但又有React/Angualar/Vue等各种技术，新技术框架层出不穷，搞得人晕头转向，今天咱们就来捋一捋。</p>

http://www.yulezhang.com/2023/04/28/71ChatgptAccount/ 2023-04-28T05:27:40.000Z 2023-05-04T08:57:54.000Z

<p>​</p> <h2 id="chatgpt使用体验">Chatgpt使用体验</h2> <p>自打用chatgpt已经两三个月了，作为追热点的一员，能明显感觉到它的<strong>社区、生态、相关研究</strong>正在迅速铺开。</p> <p>在研究上，我有两个比较印象深刻的进展</p> <ol> <li><strong>浙大和微软</strong>联合推出<strong>HuggingGPT</strong>，能够自动分析AI任务所涉及到的模型，然后去HuggingFace上自动调用。</li> <li>Github上开源的实验室项目<a href="https://github.com/Significant-Gravitas/Auto-GPT"><strong>Auto-GPT</strong></a>、<a href="https://github.com/reworkd/AgentGPT"><strong>AgentGPT</strong></a>与HuggingGPT不同之处在于，它将AI任务交给Chatgpt来进行拆解，并转化成一个个子任务，类似于okr，然后再通过chrome搜索或者selenium流量等方式整合资源。属于在线搜索+推理的GPT，功能强大。</li> </ol>

http://www.yulezhang.com/2023/03/14/70CampusRecruitment/ 2023-03-14T13:39:40.000Z 2023-03-14T14:02:36.000Z

<h3 id="秋招">秋招</h3> <p>秋招可选岗位</p> <p><img src="/assets/image-20230314211200522.png" alt="image-20230314211200522"></p>

http://www.yulezhang.com/2023/03/14/71RemoteProcedureCall/ 2023-03-14T13:39:40.000Z 2023-03-15T03:35:14.000Z

<p>远程服务调用(Remote Procedure Call, RPC)出现的目的就是为了让计算机能够与调用本地方法一样去调用远程方法，这是早在1990年之前定义分布式运算环境(Distributed Computing Environment,

http://www.yulezhang.com/2021/09/03/69InternSummary/ 2021-09-03T05:10:00.000Z 2021-09-06T02:32:12.000Z

<p>近期想找一份关于后台开发的实习，全力准备了一个半月的算法，当前此前也有零碎的刷题。然后就直接投简历了，收到腾讯和字节两家面试通知，面试问题如下。</p> <h3 id="腾讯">腾讯</h3> <p>腾讯面经，部门主要是做AI算法的呈现</p>

http://www.yulezhang.com/2021/09/02/68CombinationLeetcode/ 2021-09-02T06:56:00.000Z 2021-09-03T05:09:36.000Z

<blockquote> <p>说明：本文基于慕课《<a href="https://coding.imooc.com/class/82.html">玩转算法面试 从真题到思维全面提升算法思维</a>》，并加入了一些自己的理解。</p> </blockquote> <h2 id="递归与回溯框架">递归与回溯框架</h2> <p>对于递归本身，可以结合二叉树的性质去理解，不是本文讨论的重点。本文讨论了更一般的递归问题和回溯的算法思想，这些问题在本质上也属于树形问题。顾名思义，对于问题解的讨论可以用一颗树来进行表示。来看一些例题</p>

http://www.yulezhang.com/2021/05/02/66CodeDetect/ 2021-05-02T12:46:00.000Z 2021-09-03T05:37:22.000Z

<p>本周工作</p> <ul> <li>TGAN生成X-ray图片</li> <li>GenPU生成X-ray图片</li> <li>设计<strong>TGen-NU</strong>模型，并尝试生成X-ray图片</li> <li>解决归一化问题^[1]</li> <li>基本完成TGen-NU的生成任务，但仍存在<strong>不稳定、不收敛</strong>问题^[2]</li> <li>查阅学习GAN的公式推导、扩展资料如<strong>WGAN、DCGAN</strong>等</li> <li>新思路：把MPS融入到GenPU/TGen-NU模型中</li> </ul>

http://www.yulezhang.com/2021/03/28/62QML-Collections/ 2021-03-28T12:50:00.000Z 2021-09-03T05:18:34.000Z

<p>由于目前张量网络的工作逐渐增多，很多实验室都封装了自己的张量收缩算法包，同时还有一些论文给出了具体的工作，在此归类梳理一下方便日后的学习。</p> <h2 id="workshop">Workshop</h2> <ul> <li><a href="https://tensorworkshop.github.io/2020/index.html"><strong>IJCAL</strong></a>: International Workshop on Tensor Network Representations in Machine Learning</li> <li><a href="https://tensorworkshop.github.io/NeurIPS2020/"><strong>NeurIPS2020</strong></a>: Quantum tensor networks in machine learning</li> <li><a href="http://ipam.ucla.edu/wp-content/uploads/2019/09/TMWS2-Poster.pdf">ipam</a>: Tensor Network States and Applications, <strong>APRIL 19 - 23, 2021</strong></li> </ul>

http://www.yulezhang.com/2021/03/27/60ReadBook/ 2021-03-27T13:15:14.000Z 2021-09-03T05:57:40.000Z

<p>总结了一下华为软挑比赛，同时整理了一下<a href="http://www.yulezhang.com/2021/03/28/62QML-Collections/">量子机器学习的代码学习资料</a>，并对二维MERA结构进行了数据集拓展、阅读《智能时代》。</p>

http://www.yulezhang.com/2021/03/27/61HuaweiSoftwareContest/ 2021-03-27T10:00:00.000Z 2021-09-03T05:26:14.000Z

<p>能够承认自己的普通并非易事</p>

http://www.yulezhang.com/2021/03/14/58Grover/ 2021-03-14T13:21:17.000Z 2021-09-03T05:38:26.000Z

<p><strong>Grover算法</strong></p> <p>搜索算法是利用计算机的高性能来有目的的穷举一个问题解空间的部分或所有的可能情况，从而求出问题的解的一种方法。现阶段一般有枚举算法、深度优先搜索、广度优先搜索、A*算法、回溯算法、蒙特卡洛树搜索、散列函数等算法。比较常见的一种应用场景就是A到B的最短耗时路径搜索，一般的传统方法我们至少要把所有的路径遍历一遍来求解，而量子Grover算法只需要<span class="katex"><span class="katex-mathml"><math xmlns="http://www.w3.org/1998/Math/MathML"><semantics><mrow><mi>O</mi><mo stretchy="false">(</mo><msqrt><mo stretchy="false">(</mo></msqrt><mi>n</mi><mo stretchy="false">)</mo><mo stretchy="false">)</mo></mrow><annotation encoding="application/x-tex">O(\sqrt(n))</annotation></semantics></math></span><span class="katex-html" aria-hidden="true"><span class="base"><span class="strut" style="height:1.24em;vertical-align:-0.30499999999999994em;"></span><span class="mord mathdefault" style="margin-right:0.02778em;">O</span><span class="mopen">(</span><span class="mord sqrt"><span class="vlist-t vlist-t2"><span class="vlist-r"><span class="vlist" style="height:0.935em;"><span class="svg-align" style="top:-3.2em;"><span class="pstrut" style="height:3.2em;"></span><span class="mopen" style="padding-left:1em;">(</span></span><span style="top:-2.8950000000000005em;"><span class="pstrut" style="height:3.2em;"></span><span class="hide-tail" style="min-width:1.02em;height:1.28em;"><svg width='400em' height='1.28em' viewBox='0 0 400000 1296' preserveAspectRatio='xMinYMin slice'><path d='M263,681c0.7,0,18,39.7,52,119 c34,79.3,68.167,158.7,102.5,238c34.3,79.3,51.8,119.3,52.5,120 c340,-704.7,510.7,-1060.3,512,-1067 l0 -0 c4.7,-7.3,11,-11,19,-11 H40000v40H1012.3 s-271.3,567,-271.3,567c-38.7,80.7,-84,175,-136,283c-52,108,-89.167,185.3,-111.5,232 c-22.3,46.7,-33.8,70.3,-34.5,71c-4.7,4.7,-12.3,7,-23,7s-12,-1,-12,-1 s-109,-253,-109,-253c-72.7,-168,-109.3,-252,-110,-252c-10.7,8,-22,16.7,-34,26 c-22,17.3,-33.3,26,-34,26s-26,-26,-26,-26s76,-59,76,-59s76,-60,76,-60z M1001 80h400000v40h-400000z'/></svg></span></span></span><span class="vlist-s">​</span></span><span class="vlist-r"><span class="vlist" style="height:0.30499999999999994em;"><span></span></span></span></span></span><span class="mord mathdefault">n</span><span class="mclose">)</span><span class="mclose">)</span></span></span></span>的复杂度就能解决该问题。</p>

http://www.yulezhang.com/2021/03/07/57TNML-ACML2020Tutorial/ 2021-03-07T14:21:17.000Z 2021-09-03T05:38:36.000Z

<p><strong>第38页</strong></p> <p>Knowledge Distillation (Hinton et al., NIPS 2014 Workshop)</p> <p>Quantization and Sharing of Weight (Han et al., ICLR 2016)</p> <p>Low-rank Matrix/Tensor Factorization (Novikov et al., NIPS 2015)</p>

http://www.yulezhang.com/2020/12/14/52PaperWriting/ 2020-12-14T14:21:12.000Z 2021-09-03T05:40:00.000Z

<p>学堂在线—<a href="https://www.xuetangx.com/learn/THU04011000365/THU04011000365/4233659/video/6387967">《如何写好科研论文》秋</a></p> <p>连续阅读相关方向的论文，做一定的积累，一天一篇或者两天一篇，最重要的是感觉不能断，将阅读过程中的一些想法记录下来，同方向的一些经典文章要精读(最少读5遍以上)</p>

http://www.yulezhang.com/2020/12/08/51DeepLearning/ 2020-12-08T12:21:12.000Z 2021-09-03T05:20:46.000Z

<p>我接触深度学习已经有一段时间了，特别是现在读研究生还是离不开机器学习这方面的内容，因此我需要不断地提高这方面的水平，每一次编码都要比以往更加<strong>规范、高效并提高封装效果</strong>以便于快速的进行二次开发，而不能仅仅水平一直停留在<strong>复制粘贴、调包</strong>的程度，很多小工具需要弄清出工作原理，不一定都要复现，但出了问题一定要第一时间能够修改和调试。</p>

http://www.yulezhang.com/2020/11/29/48PassbyCpsNet/ 2020-11-29T03:27:17.000Z 2021-09-03T05:41:58.000Z

<blockquote> <p>这篇文章我想分享一下我与校园网斗智斗勇的过程哈哈哈</p> </blockquote>

http://www.yulezhang.com/2020/11/13/45LeetcodeSummary/ 2020-11-13T11:19:38.000Z 2021-09-03T05:43:06.000Z

<p>Leetcode算法刷题总结</p>

http://www.yulezhang.com/2020/09/30/39DelibratePractice/ 2020-09-30T02:30:52.000Z 2021-09-03T05:57:50.000Z

<p>训练时长和训练方法</p> <p>训练方法可能是间断性调整的（往往在当前方法遇到瓶颈，无法提高时）</p> <p><strong>在任何行业或者领域中，最有效和最强大的那类联系，都通过充分利用人类的身体与大脑的适应能力，来逐步的塑造和提升他们的技能，以做到一些过去不可能的事情。</strong></p>

http://www.yulezhang.com/2020/08/20/32GenPerAlbum/ 2020-08-20T11:10:31.000Z 2021-09-03T05:54:40.000Z

<blockquote> <p>本文章讲解如何利用cos桶+cosbrowser在服务器上构建自己的个人相册</p> </blockquote>