TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1084 · 9.04

В общем, была задача на оптимизацию плана работ: есть набор заказов, и в каждом N тасков. Таски могут зависеть друг от друга или нет, имеют длительность и тип. Ещё есть M работников, каждый из которых может выполнять таски только определённых типов, причём, у каждого своя скорость. Если все таски в заказе выполнены, фирма получает сколько-то денег. У заказа есть дедлайн, за просрочку штраф (за каждый день просрочки), который вычитается из цены заказа. И ещё фирма тратит деньги за каждый день своей работы независимо от того, как загружены её сотрудники (то есть просто платит зарплаты по сути). Ещё важен учёт праздников и выходных. Нужно заработать на определённом наборе заказов и работников как можно больше денег. Полный текст задачи и код программы проверки есть в репозитории. Эта задача является изменённым заказом, который мы с напарником решали в реальной жизни: оптимизация работы печатных станков для типографии. Правда, тогда и мы справились так себе, и заказчик в итоге сначала захотел всё вручную сам делать, а потом и вовсе похоронил проект при смене директора. !!! Не читайте дальше, если хотите сначала попробовать решить самостоятельно, потому что я сейчас опишу эффективные подходы и результаты. ________________________________________ Так вот. Мы с другим экспертом Андреем сразу сели и написали разные варианты, чтобы задать шкалу, по которой будем оценивать решения команд. За пару часов я собрал примитивный жадный алгоритм, который сортировал заказы по прибыльности и укладывал в сетку кое-как, это дало нам нижнюю оценку. Мой алгоритм заработал ~75 млн виртуальных рублей, мы решили для оценки поставить нижней границей 40 млн. То есть всё, что ещё ниже, оценивалось в ноль баллов за качество оптимизации. Затем Андрей закрылся дома на три дня и вышел на свет со сложным жадным алгоритмом, который очень хитро сортировал заказы и очень хитро укладывал их в сетку, попутно выбирая разные способы этой укладки в зависимости от конкретного заказа. Это позволило заработать ~275 млн рублей. Мы сделали верхней границей для оценки 280 млн. К сожалению, в итоге только две команды из десяти прошли нижнюю границу, заработав, соответственно, ~91 и ~105 млн. К верхней границе не приблизился никто. И у четырёх команд алгоритм вообще не смог уложить без нарушений задачи в сетку (то есть, например, произвольно менял длительности, накладывал задачи друг на друга, давал одному работнику две задачи в один момент и так далее). Важной ошибкой команд, на мой взгляд, являлся тот факт, что никто не воспользовался возможностью запустить алгоритм на несколько минут и дать ему поработать. По условиям задания, можно было тянуть до 5 минут на одну оптимизацию, но по факту решения команд отрабатывали за единицы и десятки секунд. На самом конкурсе, пока команды работали, я решил попробовать сделать быстрое (по времени написания) но эффективное решение. Сначала попробовал жадную сортировку + доведение до лучшего варианта методом имитации отжига. В качестве нового состояния я просто менял местами заказы целиком. Этот вариант работал пару минут и дал мне около ~200 млн дохода. К слову, команда-лидер использовала такой же подход, просто не докрутила число итераций и температуру. Ну и потом я взял готовую либу по реализации классической генетики с особями и скрещиванием. Особью был массив с приоритетами заказов (которые конечно же нужно было аккуратно уложить чистым алгоритмом). Тип скрещивания: scattered. Всего 15 поколений по 20 особей, и это за минуту-полторы давало ~230-240 млн. Считаю, что для конкурса это самый лучший выбор: пишется одним человеком за день и даёт почти максимум, при этом легко настраивается на нужную длительность работы, легко параллелится. Ну а потом уже дома я посидел и накодил свой вариант сложного жадного с плавающим окном перебора отсортированных заказов и плавающей же укладкой по работникам. Такая штука за две минуты зарабатывает ~281 млн. Но за три дня в условиях стресса я бы такое не сделал, скорее всего. #dev

Hashtags

Резултати

Намерени 24 подобни публикации

Търсене: #nn

当前筛选 #nn清除筛选
Земля

@podzemlya · Post #47 · 05.10.2020 г., 20:23

1. В доме дяди Коли и тёти Риммы. 2-4. Усадьба Пашковых 5-6. Юрьево. Церковь Воскресения Словущего. Деревянные двери и то что осталось от колонн. 7. Закрытые ворота церкви в деревне Какино. 8-9. Замерший пруд и пейзаж возле села Гагино. #nn

Hashtags

Земля

@podzemlya · Post #44 · 05.10.2020 г., 20:18

Если вы послушали подкаст про Нижегородскую область теперь вы можете сравнить свою фантазию с реальностью. Пойду по порядку. #nn

Hashtags

Земля

@podzemlya · Post #43 · 04.10.2020 г., 15:26

Вторая часть моего подкаста посвящена Нижнему Новгороду и области, а именно селу Гагино и его окрестностям. Позже выложу сюда дополнительные материалы. #nn Ссылка на подкаст: Apple Podcasts https://podcasts.apple.com/ru/podcast/%D0%B7%D0%B5%D0%BC%D0%BB%D1%8F/id1530731563 Googlehttps://podcasts.google.com/feed/aHR0cHM6Ly9mZWVkcy5zb3VuZGNsb3VkLmNvbS91c2Vycy9zb3VuZGNsb3VkOnVzZXJzOjg3Nzc3ODQxMy9zb3VuZHMucnNz?sa=X&ved=0CAMQ4aUDahcKEwjA_-2U7rPsAhUAAAAAHQAAAAAQCg Overcasthttps://overcast.fm/itunes1530731563 Castboxhttps://castbox.fm/channel/id3307638?utm_source=website&utm_medium=dlink&utm_campaign=ex_share_ch&utm_content=%D0%97%D0%B5%D0%BC%D0%BB%D1%8F-CastBox_FM Яндекс Музыкаhttps://music.yandex.ru/album/12053151 Spotifyhttps://open.spotify.com/show/3XWDx51c467UyeOJFbGU8X?si=sA08bYu0R-6EQsKYZpZ6ZQ Пишите отзывы в Apple Podcasts: https://podcasts.apple.com/ru/podcast/%D0%B7%D0%B5%D0%BC%D0%BB%D1%8F/id1530731563 Спасибо!

Hashtags

Ö Gastro

@omanko_gastro · Post #6653 · 01.10.2025 г., 15:05

Рекомендация дня: «Цитадель» в Нижнем Новгороде 🏰 Новый проект Екатерины Зайдес и команды RED WALL (топ-3 Wheretoeat Center-2024, выбор Greatlist) внутри памятника XVI века. В одном пространстве – целая гастро-экосистема: бистро на первом уровне (тележка фермерского мороженого, десертная витрина, Red Wall Market и магазин ремёсел), городское кафе с нижегородской кухней на втором, бар-настοечная с ледяной комнатой в цоколе и chef’s table Артёма Атопшева под сводами башни. Что попробовать: • Малосольные борские огурцы с хреном, укропом и листьями смородины • Картофельные крокеты с солёными груздями, сметаной и луком • Студень из лося с мочёной брусникой, горчицей и свежим хреном • Паштет из заволжских копчёных карасей • Поветлужская уха с судаком, стерлядью, форелью и белыми грибами • Лимонный бисквитный рулет с городецкими и хохломскими узорами 📍 Нижний Новгород, Кремль, Кладовая башня #recommendation#nn

嗨皮快乐屋北京

@hpklwbj · Post #148802 · 12.12.2025 г., 03:05

希希well🏠#nn Height:175⭐Weight:90⭐Age:04🐻E 💖水蜜桃🍑穴紧多汁💧身体敏感易抽搐 💖全天然0整不抽烟不喝酒无纹身无一丝风尘 💖纯欲天花板,清纯鹅蛋脸,声音甜美 💖纯⭕外短开,温柔善良,可遇不可求 携满天星辰像你走来,推荐指数⭐⭐⭐ 佛系只接受素质援助,静待缘分💯💯💯 #北京#朝阳区#硬5#大长腿#纯欲

DeepSchool

@deep_school · Post #74 · 24.08.2022 г., 15:10

​​​​Какую архитектуру взять в качестве бейзлайна и что докинуть в свою? Вдохновимся статьёй из OpenAI и посмотрим какую сетку они используют в качестве feature extractor для картиночек. А там ResNet из статьи Bag Of Tricks и какой-то antialiased rect-2 blur pooling. Кто такие и почему? • ResNet Bag Of Tricks это такая сборная статья в которой проверили и попробовали кучу всяких советов\триков\твиков\мудростей накопившихся для свёрточных сетей и соединили всё в одну модель ResNet-D (рис. 1). Статья выступает в роли такого бывалого коллеги сеньёра, который накидывает вам “А вот ты у батчнормов, которые в конце блока, гамму в ноль поставь, тогда у тебя сетка круто по началу сходится начнёт”. В ней подробно описано как учить, что менять в +- современном мире (конечно у нас уже трансформеры, потом собрали ConvNeXt, но Bag Of Tricks всё ещё актуален). Удобно это тем что можно кусочками к себе в пайплайн тянуть всякие улучшения, и не пересобирать всё своё решение. • Антиалиасинг в нейронных сетях. Сетки которые мы используем не инварианты к сдвигу. Вот так вот, придумали свёртки с учётом, что они инвариантны к сдвигу, а сети у нас совсем не инварианты. Всё из-за коварного пулинга, который как и при обычном сжатии картинок даёт эффект алиасинга. Нам бы очень хотелось сгладить этот эффект, особенно это хочется сделать после того как мы посмотрим на графики зависимости score от сдвига (рис. 2). Решается это проблема обычным размытием перед пулингом. Основное в ResNet Bag Of Tricks. • Как скейлить learning rate, какой взять scheduler, кто такой warmup, какой батч сайз взять и прочие training strategy. • Польза обучения в FP16 на современных видеокартах. • Что поменять в дефолтной архитектуре ResNet чтобы стало лучше, на что заменить первые свёртки, как поменять Residual Block. • Какие ауги зашли на ImageNet и у вас наверное сработают. Это не статья откровение, возможно многое вы уже слышали или даже использовали, но когда всё в одном месте с красивыми табличками и подробно описано, то жить сразу как-то приятнее. Основное в Making Convolutional Networks Shift-Invariant Again. Всё что нужно сделать, это из официального репозитория достать реализацию BlurPool и по гайду вставить в свою сеть (рис. 3). В репозитории есть функции, которые это делают за вас, но надёжней просто в своём коде поменять, чтобы вы наверняка знали что у вас поменялось. А самое классное в том что сеть не надо учить заново, она не сильно изменится и можно со спокойной душой дотюнивать со своего претрейна. #советы#nn#training

Земля

@podzemlya · Post #135 · 25.11.2020 г., 13:54

Добавил на прошлые фото и видео посвященные выпускам подкаста хештеги для удобства. Смоленск #smol Нижний Новгород - Гагино #nn Казань (скоро появится куча всего) #kazan

12
ПредишнаСтр. 1 от 2Следваща