固定差（Fixed-Offset）和TGO（Threshold Gradient Optimization）都是用于优化问题的算法，但它们的实现方式不同。
固定差算法是指在一定的搜索空间内，按照固定的步长进行搜索，并计算每次搜索的结果，直到找到最优解。这种算法可以看作是暴力搜索的一种，因为它不考虑问题的性质和特点，只是机械地进行搜索，因此它通常需要消耗较大的计算资源，并且不保证找到全局最优解。
TGO算法则是一种基于梯度下降的优化算法，它通过不断地调整模型参数，使得损失函数的值越来越小，最终达到最优解。TGO算法能够在训练过程中动态调整学习率，并通过适当的正则化方法，防止过拟合的发生。相对于固定差算法，TGO算法通常可以更快速地收敛，并且有更好的性能表现。
总的来说，固定差算法适用于简单问题，而TGO算法则更适用于复杂问题。
可以是一个简单的固定架，由两个平行的支架和一个横杆组成。横杆可以穿过巧克力棒，使其固定在两个支架之间。这种装置可以确保巧克力棒不会滚动或移动，方便进行切割或装饰。
另外，也可以使用专门的巧克力模具来固定巧克力棒。这些模具通常有不同的形状和尺寸，可以将巧克力棒插入模具中，然后将其放置在冰箱或冷冻柜中，使巧克力棒冷却并固定在模具中。这种方法可以制作出形状各异的巧克力棒，增加趣味性和美观度。
起算点不一样。
tgo一般是一个起算点，固定差一般是三个起算点，曲面拟合一般是五个起算点。相关系数曲面拟合算法是数字图像相关方法中一种简单而高效的亚像素位移测量算法。