- 综合排序
- 最热优先
- 最新优先
- 来自专栏pydata
python optimization
首先使用cprofile分析单进程，单线程环境中的性能差的部分，进行算法改写和优化，必要情况下可以通过cpython嵌入c/c++代码。 判断程序为io-bound任务还是cpu-bound任务。 io-bound任务程序使用gevent来优化 cpu-bound任务程序使用multiprocess来优化 使用队列服务进行任务分发，将大任务分成多个子任务部署于多机环境（集群）。注意：调度和单点故障。
35120发布于 2018-08-02 - 来自专栏书山有路勤为径
Optimization Algorithms
机器学习应用是一个高度依赖经验并伴随着大量迭代的过程——这一句话不得不同意，经验更重要，深有体会。你需要训练诸多模型才能找到合适的那一个。深度学习没有在大数据领域发挥最大的效果，我们可以利用一个巨大的数据集来训练神经网络，而在巨大的数据集基础上训练速度很慢，因此你会发现使用快速的优化算法、使用好用的优化算法能大大提高你和团队的效率
60110发布于 2018-08-29 - 来自专栏自学笔记
Optimization of Machine Learning
机器学习就是需要找到模型的鞍点，也就是最优点。因为模型很多时候并不是完全的凸函数，所以如果没有好的优化方法可能会跑不到极值点，或者是局部极值，甚至是偏离。所以选择一个良好的优化方法是至关重要的。首先是比较常规的优化方法：梯度下降。以下介绍的这些算法都不是用于当个算法，可以试用于能可微的所有算法。
67820发布于 2019-01-23 - 来自专栏自学笔记
Optimization of Machine Learning
机器学习就是需要找到模型的鞍点，也就是最优点。因为模型很多时候并不是完全的凸函数，所以如果没有好的优化方法可能会跑不到极值点，或者是局部极值，甚至是偏离。所以选择一个良好的优化方法是至关重要的。首先是比较常规的优化方法：梯度下降。以下介绍的这些算法都不是用于当个算法，可以试用于能可微的所有算法。
65220发布于 2018-10-10 - 来自专栏AutoML(自动机器学习)
【转载】Bayesian Optimization
原文：http://codewithzhangyi.com/2018/07/31/Auto Hyperparameter Tuning - Bayesian Optimization/ 优化器是机器学习中很重要的一个环节 贝叶斯优化（Bayesian Optimization）是基于模型的超参数优化，已应用于机器学习超参数调整，结果表明该方法可以在测试集上实现更好的性能，同时比随机搜索需要更少的迭代。 最近在文献中提出了几种用于超参数的SMBO方法： - Bayesian Optimization 使用高斯过程对代理进行建模，通常优化 Expected Improvement(EI)， Understanding on Bayesian Optimization 谷歌cloudml也在用贝叶斯优化 A Tutorial on Bayesian Optimization of Expensive for Machine Learning Introduction to Bayesian Optimization
2.5K31发布于 2019-01-09 - 来自专栏ClickHouse
mpp query optimization
Optimization: Search plan space，过程中会计算相应cost。 初始会从root group开始，根据一个optimization goal(cost limit , property requirement)，对一个group开始优化，等同于从这个group开始， 对每个physical expr来说，如果所属group的optimization goal中的property requirement可以被expr本身输出的物理属性所满足，则可以直接应用该expr， 否则需要加入enforcer来强制目标属性，下图中给出了一个简单的inner hash join的优化过程： 图(a)中，初始的optimization goal施加在group 0上，它要求输出数据在单个节点中 当进入group内处理每个physical expr时（本图中是Inner hash join[1,2]这个expr），会结合inner hash join的特点，生成对children group的optimization
2.3K51编辑于 2022-11-24 - 来自专栏吴生的专栏
MySQL Optimization 优化原理
如果能在头脑中构建一幅MySQL各组件之间如何协同工作的架构图，有助于深入理解MySQL服务器。下图展示了MySQL的逻辑架构图。
1.4K150发布于 2018-04-04 - 来自专栏AutoML(自动机器学习)
【Convex Optimization (by Boyd) 学习笔记】Chapter 1 - Mathematical Optimization
Mathematical Optimization 1.1 定义 数学优化问题(Mathematical Optimization) 有如下定义: \[ \begin{align} &minimize ,x_n)\)是优化问题中的优化变量(optimization variable)。 函数\(f_0:R^n→R\)是 目标函数。 函数\(f_i:R^n→R, i=1,... 凸优化问题(Convex Optimization) 需满足的条件相比线性规划更加广泛，所以后者也可以理解为前者的一个子集，凸优化需满足的条件如下： \[f_i(αx+βy)≤αf_i(x)+βf_i 1.4 非线性规划 非线性规划(nonlinear programming)也叫非线性优化(nonlinear optimization)。 注意：非线性优化问题可能是也可能不是凸优化问题。 equality constrained optimization inequality constrained optimization 第三部分算法主要分三个阶段： 1.Base level
1.1K20发布于 2018-12-26 - 来自专栏技术随笔心得
Empty Base Optimization
什么是Empty Base Optimization？ 说到C++中的Empty Base Optimization(简称ebo)可能大家还是比较陌生，但是C++中每天都在用的std::string中就用到了ebo。 那么到底什么是ebo呢？ 上面说的就是Empty Base Optimization了。那么现实中哪里使用到了这个技巧呢？除了最开始提到的std::string之外，Google的cpp-btree也用到了这个技巧。
59911编辑于 2023-10-16 - 来自专栏产品经理的人工智能学习库
约束优化（Constrained optimization）
文章目录 百度百科版本 约束优化(Constrained Optimization)，即约束优化问题，是优化问题的分支。它是在一系列约束条件下，寻找一组参数值，使某个或某一组函数的目标值达到最优。
2.1K20发布于 2019-12-18 - 来自专栏Kevinello的技术小站
Golang-optimization「0」: 序章
从实习到正式工作，我使用 Golang 作为主力编程语言也已经有两年多的时间了；绝大多数的服务和需求我都会选择使用 Golang 实现，只有对性能不敏感、需要大量文本处理 / 数据处理的场景下我才会选择我的老相好 Python
62241编辑于 2022-10-19 - 来自专栏前端学习笔记
SEO(Search Engine Optimization)优化
SEO(Search Engine Optimization)汉议为搜索引擎优化，是一种利用搜索引擎的规则提高网站在有关搜索引擎内自然排名的方式。
65064发布于 2020-10-26 - 来自专栏hotarugaliの技术分享
Introduction_Of_Convex_Optimization
Mathematical optimization \qquadA mathematical optimization problem has the following form image.png Nonlinear optimization \qquadNonlinear optimization problem means that the objective or constraint functions , or convex optimization problem. Role of convex optimization in nonconvex problems Convex optimization also plays an important role in optimization with a local optimization method.
83410编辑于 2022-03-18 - 来自专栏ClickHouse
DataBase Query Plan(Logical Query Optimization)
Impala、ClicHouse、Hologres、OceanBase、Doris、MySQL、Presto、SnowFlake 、ADB 基本都有涉猎
1.1K92发布于 2021-11-05 - 来自专栏人工智能与演化计算成长与进阶
CFP in Multimodal Multiobjective Path Planning Optimization
These problems are defined as multimodal multiobjective optimization problems (MMOPs). It is necessary to study multimodal multi-objective optimization. Path planning problem is a typical multimodal multiobjective optimization problem. optimization problem Memetic computing for multimodal multiobjective path planning optimization problem optimization test problems Decision making in multimodal multiobjective optimization Related theory
65820发布于 2021-01-04 - 来自专栏随手写个文章
The Cascades Framework for Query Optimization(翻译)
Lohman, Grammar-Like Functional Rules for Representing Query Optimization Alternatives, Proc. Graefe, Algebraic Optimization of Computations over Scientific Databases, Proc.
1.2K40编辑于 2023-09-26 - 来自专栏大龄程序员的人工智能之路
Optimization algorithms习题解析
选项1是肯定的，一个mini-batch的数据小于总样本，所以仅就一次迭代而言，mini-batch是快于整批迭代的。
65020发布于 2019-07-01 - 来自专栏梦里茶室
TensorFlow 深度学习笔记 Stochastic Optimization
Stochastic Optimization 转载请注明作者：梦里风林 Github工程地址：https://github.com/ahangchen/GDLnotes 欢迎star 官方教程地址
866100发布于 2017-12-29 - 来自专栏ADAS性能优化
Android App Optimization Using ArrayMap and SparseArray
This article will show why and when use ArrayMap and SparseArray to optimize your Android Applications.
54430编辑于 2022-05-13 - 来自专栏一点人工一点智能
书籍分享-《Convex Optimization（凸优化）》
《Convex Optimization（凸优化）》从理论、应用和算法三个方面系统地介绍凸优化内容。 凸优化在数学规划领域具有非常重要的地位。
82530编辑于 2022-12-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号