JhonHu

很多非凸优化方法研究的问题，都是凸集上的非凸函数最小化。然而实际中，问题的非凸性可能不来自于目标函数，而是由约束函数造成。

传统的 CV 和 NLP 任务已经满足不了那帮 programmer 的胃口了，他们终于开始向数学下手了。

贝叶斯优化可用于解决黑箱无导数全局优化问题，近年来在机器学习的超参数优化任务中应用颇多，尤其对于深度神经网络和强化学习。

这里想谈一谈Lagrange 对偶理论。

大部分时候，程序员无需关心浮点数的实现原理。但涉及低位宽浮点数计算时，对浮点数一无所知会带来意想不到的结果。

转载自 Beiyuu‘s Blog。