回答情况：
提问时间：
问题标签：
1回答
我试图建立一个模型，渔民选择的捕捞努力水平，最大限度的利润随着时间的推移。我使用的是一个简单的逻辑增长方程，一切看起来都很好，只是我不知道如何运行optim来获得一个解决方案。
浏览 2修改于2013-08-06得票数 0
回答已采纳
我是IBM的CMPLEX优化工作室的新手，我试图了解实现目标的最佳方法是什么。我试图实现一个决策优化解决方案，表示为混合整数线性规划，为我的问题创建了一个相关的表示，然后与CMPLEX解决程序接口。但是，由于我打算从C++应用程序中动态调用具有相同模型但具有不同数据的求解器，我意识到构建模型并通过Concert技术(，)的一部分CMPLEX C++ API调用解决程序更有意义。那么，我的问题是，对于特定语言，OPL接口和CMPLEX (Concert Technology)如何比较两者是否可以用于相同的目
浏览 7修改于2021-03-20得票数 0
回答已采纳
title = models.CharField(max_length=100)我正在使用为测试轻松地生成模型夹具要像上面那样生成一个模型，测试应该是
def test_book_creationdjango_nose有助于优化setUp和tearDown方法并提高速度，我如何在这里使用它们？如何<e
浏览 2提问于2012-09-19得票数 3
回答已采纳
我正在测试两个具有相同架构的CNN(我正在用Windows操作系统在我的笔记本上测试它们)：
第一个模型:使用TensorFlow优化的TFLite模型及其权重量化(使用Python进行转换，用tensorflow.lite.Optimize.DEFAULT第二个模型:使用TensorFlow优化的TFLite模型及其权重和激活，对进行量化(使用Python进行转换，用tensorflow.lite.Optimize.DEFAULT +进行量化，给出一个有代表性的数据集实际上，第一个
浏览 2修改于2021-03-29得票数 0
我正在尝试不同的优化器来比较性能，作为其中的一部分，我使用TensorBoard记录结果。 我已经设置了SummaryWriter输出，以包括所使用的模型和学习率等详细信息。writer = SummaryWriter(comment=f"_{base_model}_{lr}") 我希望它还动态地包含优化器的名称，但似乎没有内置的方法来获取所选优化器的名称。打印优化器会返回它的名称。但是，它与参数信息捆绑在一起，因此对于日志记录来说并不理想。amsgrad: Fals
浏览 33提问于2021-04-22得票数 0
例如，这里有一段引语：
(.)原因是，它必须以动态的方式编写，因此它可以检查每个组件，不管它的模型结构是什么。VMs不喜欢这种动态代码，因为它们无法优化它。角在运行时为每个组件创建变化检测器类，它们是单形的，因为它们确切地知道组件模型的形状。VMs可以完美地优化这段代码，这使得它执行起来非常快。好的是我们不必太在意这个，因为角是自动完成的。
浏览 2修改于2016-05-05得票数 26
回答已采纳
因此，我有一个模拟M_{sim}，它通过求解一组非线性微分方程来逼近一个非线性动态机器人模型M_{real}。在给定M_{sim}时，我使用一个代理A (即使用PPO，这是一种策略优化方法)来为某些奖励项R找到最优策略\pi^* w.r.t。虽然我确实得到了一些好的结果(能够随着时间的推移而增加回报)，但我突然想到，我实际上是在混合来自不同世界的方法--如果给出了M_{sim}，那么我们正在处理基于模型的RL，如果是这样，那么使用策略优化是如何合理的至少在分类学方面，如果A的学习过程发生在M_{real}
浏览 0提问于2022-10-24得票数 0
我想动态地参数化一个状态空间模型的数组，这取决于我选择了多少个状态。params[(i-1)*5+3],states[i]) 这个函数被多次调用，因为程序的重点是优化参数集然而，这个函数设置大大地减缓了优化阶段，因为这个函数和其他一些函数不断地被调用，并且他们不断地重新定义数组。如何定义一次所需的数组，动态，以及上述相关参数，然后能够使用一组新的参数调用矩阵函数以进行优化？statespace只是一个整数，它描述
浏览 0修改于2013-01-24得票数 1
回答已采纳
在对模型进行培训之后，我使用object_detection_API目录中的脚本冻结了模型：--输出目录inference_graphOpenVInO中使用--当将接收到的文件上传到模型优化器时会发生以下错误：
模型优化版本: 2020-08-20 11:37:05.425293: i tensorflow/stream_executor/platform/default&
浏览 2提问于2020-08-20得票数 1
在每次迭代中，我希望动态提供我想要的占位符数量，然后将数据提供给它们。这是可能的吗?如何实现？我试图在epoch循环中创建整个模型(占位符、损失、优化器)，但这给出了未初始化的变量错误。但n需要在纪元循环内的数据馈送期间动态定义。
浏览 0提问于2016-06-04得票数 0
假设我有一个pytorch模型，描述了某个多维系统基于自身状态x和外部执行器u的演化，所以x_(t+1) = f(x_t，u_t)，f是pytorch的人工神经网络。现在我想解决一个动态优化问题，找到一个最优的u值序列，以最小化依赖于x的目标。类似于：s.t.有没有一种简单的方法可以使用像pyomo或gekko这样的动态优化工具箱做到这一点？
我已经编写了一些代码，将前馈神经网络转换为numpy函数，然后可以将其作为约束传递给pyomo。此外，递归神经网络的集成变得困难
浏览 28提问于2021-05-26得票数 2
回答已采纳
让我困惑的一点是用例优化查询和演示者之间的比较。处理最佳查询的摘录(第517页)是：
您设计的是一个值对象，而不是DTO，因为查询是特定于域的，而不是特定于应用程序的(就像DTO一样)。然后视图呈现器直接使用自定义用例优化值对象。
因此，优化查询的好处是直接提供特定的对视图的值对象，充当真正的视图
浏览 1修改于2013-12-26得票数 3
回答已采纳
我正在开发一个MainPageView.Xaml和MainPageViewModel.cs，的Xamari.Forms应用程序，还有一个动态加载视图(绑定到另一个视图模型)的MainPageView.Xaml是否有任何优化方法从另一个视图中调用和更新一个视图模型，而不从屏幕上导航。
浏览 2修改于2017-04-21得票数 5
1回答
因此，我想使用神经网络作为我在Python中学习的MPC控制的动态模型函数。我还没有找到像CASADI，GEKKO，do-mpc这样的开源优化包做这件事的例子/文档？谢谢 编辑01 a)我已经尝试过CASADI + tensorflow模型CASADI有一个关于如何在CASADI中使用tensorflow模型的博客。b)在互联网上可以看到“mpc.pytorch”库，这是一个提供nn模型的mpc工具箱。不确定其性能C)基于CASADI的do-mpc正计划集成NN模型</
浏览 231修改于2021-01-16得票数 2
回答已采纳
1.10.3 (目前是最新的sdk版本)以来，我收到了以下警告：2015-09- 16 :13:12.502 Tripnary377377:58694 CoreData:未能在路径CoreData加载优化模
浏览 2提问于2015-09-29得票数 2
回答已采纳
是否有人成功地加快了使用numba和jit编译的学习模型。我正在研究的具体模型是回归模型，如Logistic回归。我可以使用numba来优化我使用sklearn模型编写的函数，但是模型函数本身并不受此影响，也没有被优化，因此没有提供显著的速度增长。有没有优化学习功能的方法？
任何有关这方面的信息将不胜感激。
浏览 8提问于2015-07-15得票数 11
回答已采纳
每当我试图在不同的优化器的帮助下解决我的glmer模型中的收敛问题时，我都会使用新的优化器重复整个模型优化过程。也就是说，我使用新的优化器重新运行到目前为止我计算过的所有模型，并再次与anova ()进行比较。我这样做是因为据我所知，不同的优化器可能会导致同一模型和同一模型的AICs和log-lik比率的差异，从而使使用不同优化器的两个模型之间的比较成为问题。比较两个在包含optC
浏览 44提问于2020-08-18得票数 1
在一个分段问题上，我正在测试具有相同结构的三个NN (我正在用Windows操作系统在我的笔记本上测试它们)：
第一个模型: TensorFlow模型(没有优化，使用Keras接口创建)。第二个模型:使用TFLite优化的TensorFlow模型(使用Python进行转换并不进行量化)。这实际上是第一个转变的模型。第三个模型:使用TensorFlow优化和量化的TFLite模型(使用Python进行转换，用ten
浏览 4提问于2021-01-08得票数 1
与keras (h5)模型相比，Tensorflow的预测速度非常慢。这种行为在Colab和Windows 10系统上是相似的。我将标准的VGG16模型转换为有优化也有无优化(converter.optimizations = tf.lite.Optimize.DEFAULT)
具有优化(135 39 )预测时间的tfl
浏览 0提问于2021-04-01得票数 0
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