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...

1. 基本方法multiprocessing我们经常需要其多线程去调用服务（比如拉取远程图片、调用远程计算服务），常用的方式无非是使用multiprocessing+requests，例如：from multiprocessing.dummy import Pool as ThreadPoolfrom tqdm import tqdmimport numpy as npimport os,json

定义csk为当前在k，待访问点的集合scskmini∈s​cs−iidik​2kk1​...kn​S2k1​...2kn​我们有初始状态c({0kd0k​0。逐步扩大set的尺寸，遍历所有可能的subset，使用bellman方程迭代计算。

1. 快速上手使用pip install ffmpeg-python进行安装两种使用方式，一般用第二种：import ffmpegstream = ffmpeg.input('input.mp4')stream = ffmpeg.hflip(stream)stream = ffmpeg.output(stream, 'output.mp4')ffmpeg.run(stream)和import ff

一些小技巧：using ProgressMeter@showprogress 1 "Retrieving Julian info..." for ...using JSON# write to fileuserdata = Dict("nodes"=>usernodes, "links"=>userlinks)open("Julians.json", "w") do fJSON.pri

官网https://www.maths.ed.ac.uk/hall/HiGHS/介绍如下：参数如下。

这年头，能有个开源的人脸库真是感天谢地了，而且可以在arm机器上使用，真不容易。git地址见https://github.com/ageitgey/face_recognition1. 人脸检测人脸检测可以选hog和cnn两种。默认用hog（在cpu上用cnn真的很慢）。这个人脸检测对于口罩的识别率不高，慎用。在使用gpu时，还可以使用批量人脸检测：face_recognition.batch_f

star数14.1k。使用pip安装pandasai_local和pandasai。

1. 介绍与安装参考https://milvus.io/cn/docs/home。Milvus 是一款基于云原生架构开发的开源向量数据库，支持查询和管理由机器学习模型或神经网络生成的向量数据。Milvus 在一流的近似最近邻（ANN）搜索库（例如 Faiss、NMSLIB、Annoy）的功能基础上进行扩展，具有按需扩展、流批一体和高可用等特点。下面介绍几种安装方式：Docker compose方法

1 mpi4py高性能计算参考 https://www.jianshu.com/u/59ef38a1d84b并行处理框架主要有MPI、OpenMP和MapReduce(Hadoop)三个（CUDA属于GPU并行编程，这里不提及）。MPI和Hadoop都可以在集群中运行，而OpenMP因为共享存储结构的关系，不能在集群上运行，只能单机。另外，MPI可以让数据保留在内存中，可以为节点间的通信和数据交互