优化代码对比

 count(){
                let {premiumList,integralList,moneyObj}=this.setcostList
                if(this.Inv==1){
                    integralList[0].num=premiumList[0].num*(moneyObj.compulsory*0.01)
                    integralList[1].num=premiumList[1].num*(moneyObj.commercial*0.01)
                    integralList[2].num=premiumList[2].num*(moneyObj.vesseltax*0.01)
                    if(integralList[3].text=='非车险'){
                        integralList[3].num=premiumList[3].num*(moneyObj.autoinsurance*0.01)
                    }
                    
                }else if(this.Inv==0){
                    integralList[0].num=this.money(premiumList[0].num*(moneyObj.compulsory*0.01)/1.06)
                    integralList[1].num=this.money(premiumList[1].num*(moneyObj.commercial*0.01)/1.06)
                    integralList[2].num=this.money(premiumList[2].num*(moneyObj.vesseltax*0.01)/1.06)
                    if(integralList[3].text=='非车险'){
                        integralList[3].num=this.money(premiumList[3].num*(moneyObj.autoinsurance*0.01)/1.06)
                    }
                    
                }
  
            },

count(){
                const qqq = (premium, factor) =>{
                    if(this.Inv==1){
                        return premium*(factor*0.01)
                    }else if(this.Inv==0){
                        return this.money(premium*(factor*0.01)/1.06)
                    }
                    return 0
                }
                let {premiumList,integralList,moneyObj}=this.setcostList
                integralList[0].num=qqq(premiumList[0].num,moneyObj.compulsory)
                integralList[1].num=qqq(premiumList[1].num,moneyObj.commercial) 
                integralList[2].num=qqq(premiumList[2].num,moneyObj.vesseltax)
                if(integralList[3] &&integralList[3].text=='她她她'){
                    integralList[3].num=qqq(premiumList[3].num,moneyObj.autoinsurance)
                }
            },

  • 5
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是使用TensorFlow 2在鸢尾花数据集上比较SGDM优化器和Adam优化器的代码和结果: ```python import tensorflow as tf from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler # 加载数据集并进行预处理 iris = load_iris() X = iris.data y = iris.target X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) scaler = StandardScaler() X_train = scaler.fit_transform(X_train) X_test = scaler.transform(X_test) # 定义模型 model = tf.keras.models.Sequential([ tf.keras.layers.Dense(10, activation='relu', input_shape=X_train.shape[1:]), tf.keras.layers.Dense(3, activation='softmax') ]) # 编译模型并使用SGDM优化器进行训练 sgdm_optimizer = tf.keras.optimizers.SGD(learning_rate=0.01, momentum=0.9) model.compile(loss='sparse_categorical_crossentropy', optimizer=sgdm_optimizer, metrics=['accuracy']) sgdm_history = model.fit(X_train, y_train, epochs=50, validation_data=(X_test, y_test), verbose=0) # 编译模型并使用Adam优化器进行训练 adam_optimizer = tf.keras.optimizers.Adam(learning_rate=0.01) model.compile(loss='sparse_categorical_crossentropy', optimizer=adam_optimizer, metrics=['accuracy']) adam_history = model.fit(X_train, y_train, epochs=50, validation_data=(X_test, y_test), verbose=0) # 绘制训练过程中的准确率变化曲线 import matplotlib.pyplot as plt plt.plot(sgdm_history.history['accuracy'], label='SGDM') plt.plot(adam_history.history['accuracy'], label='Adam') plt.title('Accuracy Comparison between SGDM and Adam Optimizers') plt.xlabel('Epoch') plt.ylabel('Accuracy') plt.legend() plt.show() ``` 运行上述代码后,将会得到一个准确率变化曲线的图表,该图表将SGDM优化器和Adam优化器的训练过程中准确率的变化进行了对比。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值