週末，
溫曉曉逮着一個照死了睡，除了尿憋不住，不然甭指望她中午前下牀。
她是那種一邊在牀上喊着我好餓，但是就不下牀吃東西的人。
而他睡不着，一是有事，另外也有生物鐘的影響。
躺在牀上一醒，肚子就咕嚕咕嚕叫，他姐是不可能起來做飯了，家裡也沒什麼好吃的，做粥太麻煩了，老規矩，2塊錢去買點早點。
出了樓道走上一兩步，竟看見一直關門的包子鋪開了門，前些天就是這兒又是救護車又是辦喪事的。
有了白事，對於開門做生意是很有影響的，正因爲此，門前幾乎沒什麼人。
可也不知道爲什麼還是開了門，門口擺了一張桌子，上頭是兩列蒸籠，冒着熱氣兒，原來應該是車庫的地方，給改成了小飯館，裡面擺上六張桌子，可惜空無一人。
溫曉光作爲高級知識分子從不迷信，可他身上就有科學解釋不了的事。
還是過些天，等那氣氛散了再說。
略過此事不提，又吃了一塊沒有火腿腸的雞蛋灌餅後，溫曉光偷摸的進了他姐的臥室。
一般而言，只要不在這兒蹦迪，
溫曉曉在11點之前絕不會醒。
老爺機預熱三分鐘，首先登上自己的qq，再到自己的店裡，
他估摸着可能會有人加他，因爲他寫了售後在線答疑，這對於考研的人來說，相當珍貴，
其他三門課，考研機構都有老師上課，唯獨專業課比較麻煩，找學習資料都是基本的，問題在於，基本全靠自學，如果這沒有影響，那要老師幹什麼呢？
老師起碼有一個價值，那就是給一個很明朗清晰的重點，節省了相當多的時間。
所以應該會有人加他，
登qq的時候其實有少許緊張，
溫曉光握着鼠標，屏幕上則是‘正在登陸’，而客戶端的界面出來之後……
沒反應，
溫曉光心一沉，又等了三秒，
還是沒反應，
“不應該啊……卡了？”他嘀咕，
一直到幾秒後纔有‘咳咳’的熟悉聲音響起，
啪！
他輕輕一拍手，就是說嘛，這垃圾電腦總不至於和主人一樣笨。
明明滿地的學渣們在哀嚎，
以爲我不知道？
另外一邊，在實驗室聽着網課的葛瑤兒，聽到了qq提示音，
小姑娘一看，是昨晚加那個qq號有反應了，神奇了，
現在是早上還沒到7點的時間，又是週末，
這個點活得像人的人都在牀上，
活得像狗的人才出來活動。
她就是一隻考研狗，
就是林貝都不敢7點還睡，說是她簡單只是說競爭對手弱一點，但考研本身的難度在那擺着呢，又不是考教師資格證那樣簡單。
她馬上打字：你好。
溫曉光戴上耳機，免得滴滴滴的真的吵醒溫曉曉，影響他第一單生意，儘管店裡還沒單，但馬上就要有了。
溫曉光：你好，你是要考江理嘛？
上來就直奔主題，那邊人着急，溫曉光也不想浪費時間。
葛：是的，我想看到你掛出來的那圖片，所以加了這個qq，想做些詢問。
溫：沒事，你有啥疑惑就說，我是從江理畢業的，不僅是考試，關於學校的什麼都可以問。
葛：真的？你是江理的？
溫：騙你幹什麼。
葛瑤兒覺得自己逮住了一個人，因爲江理難考所以找個學長不容易，她自己本校不咋樣，因此不是每年都有人能考上的。
不像林貝報的那所野雞大學，每年都能去三四個讀研的，大把的學長，研一研二研三湊得齊齊的。
葛：我是二本院校的，這個會不會有影響啊？也不知道能不能考上。
對溫曉光來說，她是哪兒的無所謂，而就這個問題本身來說……二本要考985 ，你說會不會有影響？
就像他後來讀博，博導也看重‘出身’，不是指家庭背景，而是你的教育背景。
所以答案是當然有，而且很有，但是…他是想人家買他東西的，所以給了個標準的，說和說沒說一樣的答案。
溫：考研這個事看實力，也看運氣，關鍵在於你的決心。
是不是說和不說一樣？但是挑不出毛病。
葛：我其實挺想去江南理工的，我在網上看過新校區的照片，非常漂亮，非常夢幻！
漂亮就算了還夢幻？他想了想。
溫：……還行吧。
葛瑤兒翻白眼：你真的是江理的嘛？
溫：你天天看你也覺得還行。
葛瑤兒看了這句話很是受不了，因爲……她羨慕啊！臥槽！
真是人比人氣死人！
葛：那個資料是你當年的學習資料嘛？
溫：不是，我當年學的比這個難。
姑娘心一涼！
葛：那完了呀，我連真題看着都費勁！
溫：所以你先要過這關，週日在qq上把這一週的問題告訴我，我給你解答。你應該也有一點真題，比照着看，真假你放心，不滿意的話也可以隨時退貨。
說實話是真是假她真的不清楚，
可有一點是對的，買來不想要就退貨，
傳說有電子產品愛好者，每個品牌的旗艦機他都買，拿到手拍個手機盒子發個朋友圈，然後再退回去。
令人窒息的操作。
葛：350有點貴啊……
溫：所有真題都是我手寫的，這價錢還附帶後面的答疑的。
葛瑤兒也不是白癡，說是這麼說，到時候你不回我qq，我有啥辦法？還能真的順着網線過去砍你嘛？
但從圖片看真假也還算靠譜，
總之先買，不行就退。
葛：行，那我下單了。
溫：謝謝。
這花不了幾分鐘。
溫：下了單，你就可以問我問題了，今天就是週日。
葛瑤兒眼睛一亮，哎？
這倒是哦。
這麼一想，她來了心思，題目不會的話，立馬就退款！
然而沒兩把刷子，怎麼敢這麼說話。
葛：好，那我怎樣稱呼你啊？
溫曉光一時想不到什麼二次元網名，說真名又覺得不太合適，可要不說他這個腦子聰明呢，他很快想到了一個、
在保護自己隱私的同時，透露一點真實，且還讓對方更加相信自己的‘業務能力’的名字！
溫：嗯，你就叫我溫博士吧。
實驗室裡的葛瑤兒果然眼睛放光：嚯，還是博士啊！
溫：你把問題整理一下，1、2、3的條理清楚，我統一給你作答。現在我先給你去發貨，你也能早點拿到。可以嗎？
葛瑤兒咬着嘴脣想了想，發什麼貨啊還沒怎樣就發貨了，先測試你一下瞧瞧是真是假，
葛：等下，我現在正在看，碰到一個問題。
溫曉光一看，回道：那你說吧。
葛：就是最優化的部分，江理對數學部分作了一點要求，這和別的學校都不一樣，其實我們本科的時候都沒有開過這門課，所以看起來很費勁。
溫：嗯，不必害怕，有要求一是未來不論是機器學習，數據挖掘還是深度學習的神經網絡，即使你運用一些簡單模型，最優化的理論與算法都有比較廣泛的應用，另外一個是出題的那個老師擅長數學也重視數學，所以纔有這麼個要求，不過它對這方面的要求也只限於瞭解，題目都很簡單。
葛瑤兒看這一段話人都犯傻，等會兒……
神經網絡？
數據挖掘？
請打中文，謝謝。
葛：可是我連書都看不懂啊，我至今不知道最優化是什麼。
對於花錢的人，溫曉光耐心足夠：這麼說吧。大學應該開設有數學模型這門課，模型就像人學習思考模式，在每次學習過程中，人知道自己怎麼學，學哪裡，學錯了還可以調整，但模型和計算機沒這麼聰明，
而最優化就是告訴模型應該學什麼、怎麼學的工具。在數學上，模型學習往往是一個映射函數，也就是模型中的參數，這個參數的好壞通過答案體現，如果不夠好，最優化就可以幫助調整，
這麼說明白了嗎？
葛瑤兒勉勉強強能看懂一些，畢竟說的那麼簡單，再看不懂就是智障了。
她又問：那有的地方提到的凸優化又是啥啊？
溫：凸優化是最優化的一個子領域，簡單來說就是定義在凸集中的凸函數的最小化問題，凸優化的應用價值比較高，所以研究的很多。而凸問題的局部最優解就是全局最優解，再加上凸優化理論中的Lagrange對偶，提供了凸優化算法最優性的保證。
另外一些非凸問題通過一定手段可以等價化爲凸問題或者用凸問題近似、逼近得到邊界，比如深度學習，其中關鍵的Back Propagation算法，本質就是凸優化算法中的梯度下降法，即使問題極度非凸，梯度下降還是有很好的表現。
明白了嗎？
葛：凸━┳━━┳━凸，原來你真的是博士。
溫曉光：當然，你還懷疑這一點？
臉不紅心不跳。
聊天到此結束，溫曉光去打印，然後發貨。
葛瑤兒在晃動實驗室鄰座的林貝：“貝貝，太好了，我找一個特別牛逼的人！”
林貝不明所以的瞎樂：“什麼啊？什麼牛逼的人？！”
葛瑤兒也沒說什麼，就是拉她過來把電腦上的聊天記錄拉出來，“你看。”
林貝：“臥槽！”