发布日期：2024-05-26 来源: 网络 阅读量（）
主要为解决统计模型的 MLE 计算，最好能应对非凸的问题 之前计算期限结构最优化的时候找了一些包，有下面几个： 1.cvxpy系列，cvxpy，cvxOPT，这几个包主要解决凸优化问题，官网上面有完整的使用范例，不过使用anaconda的话，注意一下安装问题 2.scipy.optimize scipy下面也有优化方法，但详细程度比上面的cvxpy要稍逊一筹 3.python的APM也可以，不过这个我没有使用过，在这里就贴出链接 4.另外考虑统计模型的MLE计算的话，python的statsmodels可能应该会有所帮助 推荐gurobi。 科研可以直接申请许可用 gurobi，建模更方便，而且运算速度很快。 公司的话问清楚是否能购买许可。 否则就要考虑 cvxpy, cvxopt, ortools, scipy.linprog, lpslove 等了。 ... 火焰图帮助我们能立即发现foo() 是我们代码中的瓶颈。进行优化之后，我们大幅降低中央处理器的利用率。 这代表你的中央处理器的总利用率下降了66％。若你之前为了服务器支付10万美元，那现在只需要3.4万美元就能处理等量的负荷。
用火焰图：优化‘foo ()‘ 为我们节省了6.6万美金
全文
如何使用性能分析来调试Python的性能问题 【使用火焰图找出问题根源】 - 知乎 https://zhuanlan.zhihu.com/p/351964245
