1. 代码逻辑从图中可以看出，有三个核心点：network进行了4次下采样和上采样分别计算特征图输出结果的detection部分使用类似centerNet，heatmap用于预测中心点，center offset用于调整位置，boxsize用于预测框直接将特征向量作为结果输出（接在reid embeddings之后）跟踪器定义：tracker：activated(激活状态)， tracked(跟踪

用内点法求解线性规划问题最近非常火，其理论上的计算复杂度为O(n3.5L2)O(n^{3.5}L^2)O(n3.5L2)，其中n是变量的维数，L是输入长度。而单纯形法嘛，本质上还是个搜索问题，其计算复杂度是O(2n)O(2^n)O(2n)。首先要注意的是，内点法不能用来处理等式约束。不过这也不是个问题，我们完全可以把一个等式约束拆成大于、小于两个不等式约束。1. 基本原理我们在系列第一节就说...

艾玛，真的很神奇啊，使用pip install nbterm进行安装。由于是命令行，没有按钮，所以必须记住快捷键。使用nbterm my_notebook.ipynb可以创建一个新的文本。1. 模式切换首先是模式切换：enter: 进入编辑模式esc: 进入控制模式两者的区别在于当前行的颜色，编辑模式是白色，控制模式是全黑。比如下面是控制模式：下面是编辑模式：2. 控制模式控制模式的快捷键如下：u

通过PyCall包，Julia可以直接调用Python包。数值、布尔、字符串、IO stream、函数、元组、数组或列表、以及包含这些类型的字典等，它们都会自动进行类型的转换（Python函数会被转换或传递为Julia的函数，反之亦然）。其它类型则是通过通用的PyObject提供的。

1. 介绍CBC和Gurobi的一个python封装，支持cut generation, lazy constraints, MIP starts以及solution pools。自带CBC，省去安装的麻烦。python-mip使用cffi库调用C代码，使用Pypy进行编译，据称性能很好，比gurobi自带的python接口快25倍，比JuMP还要快（但总体上差的不多）。2. 建模与求解2.1 基

从本期开始，会探索图像恢复领域的论文和代码。本次先阅读一下综述。传统方法一个很大的假设是我们相信我们可以在缺失区域之外找到相似的patch，但是如果缺失区域之外没有任何类似的patch，就没有办法正确修复图像了。2016年出现的基准的GAN算法，生成器为一个U型网络，判别器为多层卷积网络。损失包括像素级别的重建损失(L2)和鉴别器产出的对抗损失。2016年升级版的context encode，其生

19、26预处理文献1. 基本思路常见的松弛策略包括对整型变量松弛到连续空间 (NLP 子问题) 和非线性约束的线性化 (MILP 子问题)，非线性约束的线性化称为外逼近割平面：整数变量松弛：求解凸 MINLP 的算法通常采用迭代法和分支定界法 (branch-and-bound, BB) 两种思想。迭代法是不断更新子问题和迭代点列, 直到算法收敛。2. BB算法1960 年, Land 和 Do

1. 2-opt方法2-opt本质是一个边交换启发式算法，非常简单。首先用myopic的方式生成一条路线，然后逐点使用2-opt算法进行优化。我们使用kaggle上的一个数据，https://www.kaggle.com/jsaguiar/fast-2-opt-with-cython/notebook?select=cities.csv，5000个点。1.1 基础版本import numpy as

一个人说一句话，其 waveform 可以很不一样，但是 spectrogram 基本上会相似，甚至有人可以通过 spectrogram 来判断说话的内容。语谱图的横坐标是时间，纵坐标是频率，坐标点值为语音数据能量。由于是采用二维平面表达三维信息，所以能量值的大小是通过颜色来表示的，颜色深，表示该点的语音能量越强。DFT（Discrete Fourier Transform）是将连续音频信号转换为

1. 行生成算法行生成就是指的不断添加约束的算法。因为在求解矩阵中，一个约束条件对应一行，因此添加约束条件的方法自然叫做行生成算法。相对应的，添加变量的方法就叫做列生成算法。这一节先看行生成算法，用在求解变量不多，但是约束条件特别多的情况下。2. Benders分解Benders分解（Benders Decomposition，BD）的基本思路是：使用子问题（primal ...