请大家帮我选一下offer字节是开的比较有诚意，另外base地好一点，生活压力小一些，并且可以考虑定居，就是不知道能不能长久；腾讯是实习转正，相对可能会wlb一点，基本工作作息可以算作10-8-5，就是base地不好买房，租房贵；字节：杭州，月薪 n+5，未知腾讯：深圳，月薪 n ，wlb

故事背景今天运维那边反馈有一个设备在后台查不到，我第一时间怀疑可能是数据出了问题，导致服务报错了没有入库。我拿着日志去本地请求接口，发现程序是没有报错的，我们的逻辑是先把唯一id放到redis里面，如果redis没有值就insert，有就update，做了一层缓存，估计是这样的话批量插入和更新数据库会快一点。然后我看redis是有值的，以为是redis和数据库数据不一致问题，我就把redis的key删了，重新再跑一下，结果打印了insert语句，但是没有插入到数据，看来事情并没有那么简单- -问题分析因为数据表很大，有5E+数据，我第一反应是mysql表数据量可能爆了，但是查了下好像没有太大限...

今天下午鼠鼠美美的睡午觉的时候抖音生活服务打了个电话过来，问题是我好像是10月初投的呀不过因为鼠鼠睡觉完美的错过了，不过还好，现在上了几天班八股全都抛之脑后了，面的话肯定过不了，还会脏简历话说今天不周六嘛

一般来说训练都需要优化，而优化就是需要优化器，整体训练我们都当作的赛车，模型就是车。优化器：这个优化器从SGD和BGD讲起，SGD：是随机梯度下降，（下降一点点）BGD是基础梯度下降，（全量）实际上都不会单独使用，现在是混合使用，mini-SGD：就是SGD+BGD。然后基于SGD进化出来了，Adam->AdamW。也就是主流优化器，基本上都是用AdamW：这个有两个特点：动量：类似惯性，比如前面几个生成正的，下面一个也就生成正的，自适应步长：自动给频繁更新的参数减速，同样的，冷门的参数会加速，还能显式剥离梯度的权重衰减，解决Transformer的架构容易过拟合的问题。过拟合：学的太好...