lmqljt

摘要： 引入两个人工变量x4,x5,各自追加到每个等式约束条件中。但是这样强制插入原来的等式约束条件中后，虽然说有单位矩阵了，但是有可能破坏原来的等式约束条件； 也有可能不破坏(如果最后的x4,x5算出来的值都为0的话)，如果有一个是正的大于零的，那么就破坏了原来的等式约束条件，也即原来的等式约束条件就不应 阅读全文

摘要： 引入M，其中M是一个充分大的正数。由此，目标函数也改变为zM. 如此构造的线性规划问题我们记作LPM，称之为辅助线性规划问题，也即在原来的线性规划问题的基础上，改造了其等式约束条件，然后有对目标函数施加了惩罚项，Mx4,Mx5。 因为M是充分大的正数，所以即便x4,x5很小，只要x4,x5不等于0， 阅读全文

摘要： 根据基可以写出对应的典式，根据典式可以写出对应的单纯形表。反之，根据单纯形表，也可以写出典式。典式当中的非基变量移到等号的右侧，则可以得到典式的等价形式； 如下图所示。当所有非基变量的检验数都是负数时，那我们来看下目标函数等价形式的中的rjxj项，如下图所示。 上图中，圈主部分中的xj只要不取零(x 阅读全文

摘要： 参考：https://www.cnblogs.com/dmyu/p/6483357.html以及博主相关文章等。 阅读全文

摘要： 可参考：https://www.cnblogs.com/lianyingteng/p/7743876.html suqare(5)等价于power(2)(5)；cube(5)等价于power(3)(5)； power相当于是一个工厂，由于参数不同，得到了两个不同的生产线，一个是square一个是cu 阅读全文

摘要： def hi(name="yasoob"): return "hi " + name print(hi()) # 我们甚至可以将一个函数赋值给一个变量，比如 greet=hi # 我们这里没有在使用小括号，因为我们并不是在调用hi函数 # 而是在将它放在greet变量里头。我们尝试运行下这个 pri 阅读全文

摘要： 特征缩放， 在这种情况下，我们不仅仅考虑是一个值的数据集，我们考虑的是具有多个特征和相关的值的样本或元素的数据集。 假如正在处理一个人的数据集， 归一化数据集有许多不同的方法，而标准化只是其中的一种特定的方式。 所以，如果我们处理图像，当我们使用神经网络时， 特征一般是rgb彩色通道。 先看简单的方 阅读全文

摘要： 转载：https://blog.csdn.net/weixin_39946767/article/details/118644619 阅读全文

摘要： 以下内容来自deeplizard pyorch_P31 阅读全文

摘要： 这意味着训练过程将按顺序在主流程中工作。 即：run.num_workers。 ，此外， ，因此，主进程不需要从磁盘读取数据；相反，这些数据已经在内存中准备好了。 这个例子中，我们看到了20%的加速效果，那么你可能会想， 我们考虑一个工人可能足够让队列中充满了主进程的数据，然后将更多的数据添加到队列 阅读全文