我正在嘗試將用 MATLAB CVX 編寫(xiě)的優(yōu)化代碼轉(zhuǎn)換為直接調(diào)用求解器 MOSEK 的 Python 代碼。我的優(yōu)化由以下類(lèi)型的方程組成：||斧頭-b|| +正則化器。x是一個(gè)三維變量，需要評(píng)估其最佳值。我將 A 定義為 MATLAB 中的函數(shù)，如下所示：function D = A(X)   n = size(X,1);m = size(X,2);nim = size(X,3);for t = 1:nim    temp = X(:,:,t);    D(:,:,t) = squeeze(sum(sum(reshape(temp,7,19,7,19),1),3));endend所以，||Ax-b|| 在 MATLAB CVX 中變?yōu)閚orm((vec(A(x)-b)))現(xiàn)在，當(dāng)我直接調(diào)用 MOSEK 轉(zhuǎn)換為 python 時(shí)，我寫(xiě)道：def lseReg(b,I,n,m,d,n1,m1,alpha,beta):    M = Model("LSE-REG")    x = M.variable("x", [n,m,d] )    t = M.variable("t")        y = M.variable("y",[n1,m1,d])    for i in range(0,d):        temp = x.slice([0,0,i],[n,m,i])        temp2 = Var.reshape(temp,[19,7,19,7])        y.slice[[0,0,i],[n1,m1,i]] =  Expr.sum(Expr.sum(temp2,3),1)            r = Expr.sub(b,y)    M.constraint(Expr.vstack(0.5,t,r),Domain.inRotatedQCone())    t2 = M.variable("t2")    r2 = Expr.sub(I,Expr.sum(x,2))    M.constraint(Expr.vstack(0.5,t2,r2),Domain.inRotatedQCone())    #the Objective    ObjExpr1 = t.asExpr()    ObjExpr2 = t2.asExpr()    ObjExpr3 = Expr.mul(alpha,lassoVar(M,x,n,m,d))    ObjExpr4 = Expr.mul(beta,lassoTV(M,x,n,m,d))    objExpr = Expr.add(ObjExpr1,ObjExpr2,ObjExpr3,ObjExpr4)    M.objective(ObjectiveSense.Minimize,objExpr)    return M我這次重塑做錯(cuò)了什么？