https://cloud.tencent.com/developer/article/2048995 在日常工作中，CPU压力测试是一项常见的工作，主要用到如下场景： 微调系统上的活动。 监控操作系统内核接口。 测试您的Linux硬件组件，例如CPU、内存、磁盘设备和许多其他组件，以观察它们在压力
1、背景 在当今快节奏的软件开发环境中，设计师与开发者之间的协同工作显得尤为重要。然而，理解并准确实现设计稿的意图常常需要耗费大量的时间和沟通成本。为此，开源社区中出现了一个引人注目的项目——screenshot-to-code，它利用AI人工智能技术（机器学习算法和视觉分析技术），将屏幕截图自动转
0. 写在前面 参考博文：遗传算法的几种改进 - GXTon - 博客园 (cnblogs.com) 参考文献：新型灾变自适应遗传算法及其应用 (c-s-a.org.cn) 没想到被最基础的遗传算法打败了˚‧º·(˚ ˃̣̣̥᷄⌓˂̣̣̥᷅ )‧º·˚ 在编写遗传算法时我发现了一些问题： 优良基因很
0. 写在前面：进程和线程 博文参考： Python的并行（持续更新）_python 并行-CSDN博客 《Python并行编程 中文版》 一些相关概念请见上一篇博文。 1. 在Python中使用线程 1.1 多线程简介 线程是独立的处理流程，可以和系统的其他线程并行或并发地执行。 多线程可以共享数
1. 线程和进程 1.1 线程和进程 进程可以包含多个并行运行的线程； 通常，操作系统创建和管理线程比进程更省CPU资源； 线程用于一些小任务，进程用于繁重的任务； 同一个进程下的线程共享地址空间和其他资源，进程之间相互独立； 1.2 线程 v.s. 进程： 1.2.1 多线程 多线程是在同一进程内
Markdown基本用法，摘自b站博主。
敲敲敲详细的高分牛刊论文阅读笔记，还有Python的PyLogit包详解！全渠道、运筹规划领域入门/基础模型，内附论文的主要内容翻译解读、模型讲解和代码实现！
使用模拟退火解带约束条件的运筹优化问题，可线性也可非线性。
实验室开会的一些记录
Pytorch处理图像的一些入门，内含os和PIL库相关的图像处理方法
有关Transforms使用的简介
我们在打扑克，一摞的扑克牌就相当于dataset，拿牌的手相当于神经网络。而dataloader相当于抽牌的过程，它可以控制我们抽几张牌，用几只手抽牌。
终于卷到神经网络了 ...(˘̩̩̩ε˘̩ƪ)
主要介绍神经网络中的卷积层操作，包括构建卷积层、处理图像、可视化
主要介绍神经网络中的最大池化操作，以及最大池化的作用
主要介绍神经网络线性层的计算，即torch.nn.Linear的原理及应用。并插入一些神经网络的其他层介绍，及调用pytorch中网络模型的方法。
“搭个网络真不难，像呼吸一样简单。”周华健学长如是地说（狗头）
介绍MAE、MSE、交叉熵三种损失函数计算及使用方法，以及反向传播的作用。
之前写过一篇有关TRE优化模型详解的博文： https://www.cnblogs.com/zoubilin/p/17270435.html 这篇文章里面的附录给出了非线性模型化线性的方式，具体内容如下： 首先是篇文章的变量和原模型（具体见我上面那篇笔记）： 其次这篇文章附录给出的非线性化线性的方法
绝对的原创！罕见的Cplex-Python API混合整数规划求解教程！这是我盯了一天的程序一条条写注释一条条悟出来的•́‸ก 一、问题描述 求解有容量限制的的设施位置问题，使用Benders分解。模型如下： \[min\quad\sum^{locations}_{j=1}fixedCost_j//
