最速下降法越接近目标值，步长越小，前进越慢。牛顿法是一种在实数域和复数域上近似求解方程的方法。拟牛顿法是求解非线性优化问题最有效的方法之一，其本质思想是改善牛顿法每次需要求解复杂的Hessian矩阵的逆矩阵的缺陷，它使用正定矩阵来近似Hessian矩阵的逆，从而简化了运算的复杂度。拟牛顿法和最速下降法一样只要求每一步迭代时知道目标函数的梯度。

提供了一些方法，可以进一步变化代码，减少整个计算中关键路径上的操作数量。好像没什么要讲的了呢，网上还有一些很邪门的优化方式，我觉得就没必要了，能大致知道一些优化流程就行了，比如读入还有mmap但用这个不是很了解的话可能还会用出事，所以别没必要那么追求极限了。自己觉得讲的还是挺多挺全面的，若是哪里有错误或者没讲到的地方还请指出。

减少了不直接有助于程序结果的操作的数量，例如循环索引计算和分支条件。提供了一些方法，可以进一步变化代码，减少整个计算中关键路径上的操作数量。好像没什么要讲的了呢，网上还有一些很邪门的优化方式，我觉得就没必要了，能大致知道一些优化流程就行了，比如读入还有mmap但用这个不是很了解的话可能还会用出事，所以别没必要那么追求极限了。自己觉得讲的还是挺多挺全面的，若是哪里有错误或者没讲到的地方还请指出。

但这一切都要看你的CPU了，因此，一般把容易成立的条件写在前面判断，把不容易成立的条件放在else那里。更快，否则就是if更快啦。他不会改变x的值，仅仅只是减少跳转次数，当tf为true时表示x非常可能为true，反之同理。或者把0换为1，这样在if猜的时候就会优先猜x为true或是false，达到优化效果。但是上面的两句代码等同于什么呢？但这些并不是短路运算符的精髓，短路运算符的精髓不仅在于优化时间，更是可以防止程序出错。

更快，否则就是if更快啦。他不会改变x的值，仅仅只是减少跳转次数，当tf为true时表示x非常可能为true，反之同理。或者把0换为1，这样在if猜的时候就会优先猜x为true或是false，达到优化效果。