- 综合排序
- 最热优先
- 最新优先
- 来自专栏奇点大数据
话说量化（6）
各位读者朋友大家好，浪了半个多月之后我终于又开始了我的随笔了，感谢大家的关注。我们言归正传，上次说了通货膨胀，这次我们来说说货币的形式。
40030发布于 2018-10-23 - 来自专栏量子化学
利用MOKIT从PySCF向其他量化程序传轨道
近期笔者和另一开发者wsr在MOKIT程序中加入了fchk(),py2molpro,py2molcas,py2qchem等模块，可用于从PySCF程序向其他量子化学程序传递分子轨道。 （为什么不用Gaussian算完了传轨道给其他程序：因为Gaussian是商业收费程序，有的课题组/机构没买） （3）自己基于PySCF开发新方法，无现有程序对应，但希望正确地传轨道至下一个量化程序进行后续计算 6. 8).run() #CAS(6o,8e) fchk(mc, 'O2_cas6o8e.fch') 注意这里我们其实提前看过O2的ROHF轨道，或对O2的分子轨道十分熟悉才能直接写(6e,8o)，实际上是经过了观看 注意Windows预编译版不支持本文功能，内含的是Gaussian与其他量化程序传轨道的小程序。
1.9K20编辑于 2022-12-07 - 来自专栏量子化学
利用MOKIT从ORCA向其他量化程序传轨道
本文介绍如何使用MOKIT从ORCA向其他量化程序传轨道，有以下可能的用途： （1）在ORCA中进行了RIJK或RIJCOSX加速的大体系HF/DFT计算，想传轨道给其他程序进行后续计算，或想产生fch 6. ORCA传轨道给Molpro mkl2com h2o.mkl 会产生h2o.a和h2o.com文件，前者含Alpha轨道，后者含坐标，基组和关键词。 若ORCA的SCF有上千a.u.的剧烈振荡，很可能是出现了基函数线性依赖导致的，此时即使侥幸收敛了能量也未必靠谱，需要在输入文件里加上 %scf sthresh 1e-6 end 此阈值是Gaussian 若读者在计算中使用全电子基组，自然无此问题；若用了赝势，按上文操作产生其他量化程序的文件不会含赝势信息，即使轨道系数正确，SCF也会剧烈振荡。这里笔者推荐一种解决办法： Step 1. 以防覆盖 mkl2fch ZnMe2_o.mkl # 将轨道传回ZnMe2_o.fch 后续可以使用fch2inp，fch2inporb，fch2com，bas_fch2py等小程序传给其他量化程序做计算
1.5K20编辑于 2023-09-03 - 来自专栏计算机视觉战队
量化新方法 | 模型压缩6倍，无需重训练
将参数x0从0到1，并将位数从2改为6。 在表1和表2中收集了获得的结果，并在图3和图4中显示了它们。 ? ? ? ? ? 在上图中，给出了神经网络离散化的过程。 应特别注意倒数第二排。 通常这些网络需要在量化后进行重新训练，而我们找到了避免重新训练的方法。」 简化人工神经网络背后的主要思想是所谓的权重量化，即减少每个权重的位数。 训练之后，该网络会使用新方法进行量化，并且不进行重新训练。然后，该研究将实验结果与其他量化算法进行了比较。 RUDN 大学的 Iakov Karandashev 补充说道：「量化之后，分类准确率仅降低了 1％，但是所需的存储容量减少了 6 倍。 实验表明，由于初始权重与量化后权重之间的相关性很强，该网络不需要重新训练。这种方法有助于在完成时间敏感任务或在移动设备上运行任务时节省资源。」 © THE END
92610发布于 2021-03-13 - 来自专栏信息化漫谈
向IPv6演进的三种场景方案
因为IPv4地址的空间，IPv6已经逐渐走进了我们的工作和生活。对IPv6使用的三种场景，今天我们进行简要剖析。 场景一 终端双栈 在手机终端、部份已做ipv6改造的局域网中，终端一般会采用双栈的方式接入互联网。 如下图，通过查看我的手机终端，有两个ip地址，分别是v4地址和v6地址。 ? 我尝试通过该手机终端访问一个支持ipv6的网站，该网站显示了我的ipv6地址，说明我的确是通过ipv6地址访问的该网站。 ? 根据RFC的标准要求，对于双栈主机，首先通过ipv6地址访问支持ipv6的DNS，返回服务器的ipv6地址。 与IPv6转换服务相比，IPv6云服务器数据包无需通过第三方应用转换，因此稳定性和灵活性更好，无论用户使用IPv4还是IPv6，均能保证良好的访问体验。
2.4K10发布于 2020-05-08 - 来自专栏YOLO大作战
YOLOv8轻量化：模型轻量化设计 | 轻量级可重参化EfficientRep| 来自YOLOv6思想
具体来说，从最近的网络设计、训练策略、测试技术、量化和优化方法中大量吸收了一些想法。最重要的是，整合思想和实践，构建了一套不同规模的部署网络，以适应多样化的用例。 在 YOLO 作者的慷慨许可下，作者将其命名为 YOLOv6。作者也热烈欢迎用户和贡献者进一步增强。 YOLOv6-N 在 NVIDIA Tesla T4 GPU 上以 1234 FPS 的吞吐量在 COCO 数据集上达到 35.9% 的 AP。 YOLOv6-S 量化版本甚至带来了 869 FPS 的最新 43.3% AP。 此外，与具有相似推理速度的其他检测器相比，YOLOv6-M/L 还实现了更好的准确度性能（即 49.5%/52.3%）。
1.9K70编辑于 2023-11-08 - 来自专栏韩曙亮的移动开发专栏
【Cubase】Cubase 量化设置 ( 量化预置 | 长度量化 | 快捷键设置 | 量化开头 | 量化 MIDI 事件结尾 | 量化 MIDI 事件长度 )
文章目录 一、要解决的问题 二、量化预置 三、长度量化 四、快捷键及设置 1、快捷键及设置 2、量化开头 3、量化 MIDI 事件结尾 4、量化 MIDI 事件长度 五、对 MIDI 进行量化操作 本博客中的所有设置都是在 ; 三、长度量化 ---- 长度量化 参数设置 : 在下图 处设置长度量化 , 如果设置成 " 1/16 " , 那么使用鼠标拖动时 , 音符的长度只能是 16 分音符的整数倍 ; 上述的 量化预置 ; 2、量化开头 量化开头 : 默认按键 " Q " 是量化开头 ; 将所有音符的开始位置对齐到 " 量化预制 " 对应的格子中 ; 该设置是系统自带的 , 不建议修改 ; 3、量化 MIDI 事件结尾 量化 MIDI 事件结尾 : 首先选中左侧的 " 量化类别 / 量化 MIDI 事件结尾 " , 点击右侧的 " 输入快捷键 " 下方的输入框 ; 输入快捷键后 , 点击 " 指定 " " 快捷键 , 量化音符长度 , 此时音符都排列整齐了 , 音符开头和音符长度进行了量化 , 音符结尾自然也进行了量化 ;
4.5K00编辑于 2023-03-28 - 来自专栏生信入门课
生信入门课DAY6--向逸一（R包）
个表进行连接） ①內连inner_join,取交集 inner_join(test1, test2, by = "x") ## x z y ## 1 b A 2 ## 2 e B 5 ## 3 f C 6 ②左连left_join left_join(test1, test2, by = 'x') ## x z y ## 1 b A 2 ## 2 e B 5 ## 3 f C 6 ## 4 x (test2, test1, by = 'x') ## x y z ## 1 a 1 ## 2 b 2 A ## 3 c 3 ## 4 d 4 ## 5 e 5 B ## 6 f 6 C ③全连full_join full_join( test1, test2, by = 'x') ## x z y ## 1 b A 2 ## 2 e B 5 ## 3 f C 6 ## 4 x D NA ## 5 a ## 6 c ## 7 d ④半连接：返回能够与y表匹配的x表所有记录semi_join semi_join(x = test1
41100编辑于 2023-02-11 - 来自专栏云技术
腾讯云如何快速从IPv4向IPv6演进？
云产品IPv6改造。 腾讯云全面启动IPv6支持计划 向IPv6过渡：全部切换需要5-10年 IPv6在中国可以说一直不温不火，目前仅有校园网和三大运营商试点网络全面支持IPv6。 在我们看来，不管是运营商还是公有云厂商，都会技术先行，实际改造部署的步骤，则遵循IPv4向IPv6的整体演进规律。 腾讯云IaaS产品的IPv6演进方案 腾讯云IaaS产品在不同演进阶段，会搭配多种过渡技术实现整体公有云业务向IPv6的平滑演进。 当腾讯云的IaaS逐步支持IPv6后，对于其他采用腾讯云IaaS产品为互联网用户提供PaaS和SaaS服务的供应商，也可以搭乘腾讯云IPv6的快车，更快的将自己的应用方案向IPv6过渡。
11.5K30发布于 2018-08-01 - 来自专栏算法之名
量化交易
针对可交易的投资商品，理性地运用逻辑分析和回归统计判断市场趋势称为量化交易。 量化策略 量化策略就是赚钱"因子"，可以分为基本面和技术面。
47110编辑于 2024-08-21 IPv4向IPv6平滑过渡综合技术方案
1 过渡技术选型与概述IPv4向IPv6的过渡通常采用双栈技术、隧道技术和协议转换技术三种主要方式。选择哪种技术取决于你的网络环境、业务需求和资源状况。 ipv6 unicast-routingipv6 router ospf 1 router-id 1.1.1.1! 指定隧道源接口 tunnel mode ipv6ip 6to4 ! 启用6to4隧道模式!ipv6 route 2000::/3 Tunnel0 ! ipv6 access-list ACL_NAT64 permit ipv6 any 64:ff9b::/96! ，包含IPv6信息7 分阶段实施路线图以下是推荐的迁移路线图：图表8 总结IPv4向IPv6的迁移是一个渐进的过程，需要周密的计划和执行。
1.1K10编辑于 2025-09-10- 来自专栏图像处理与模式识别研究所
图像量化
from skimage import data from matplotlib import pyplot as plt image=data.coffee()#原始图像 ratio=128#设置量化比率 range(image.shape[2]):#图片通道数 image[i][j][k]=int(image[i][j][k]/ratio)*ratio#对图像中的每个像素进行量化 本文的图像量化过程是将256级的彩色图像量化到2级的彩色图像。 量化等级越多，量化比率越低，所得图像层次越丰富，灰度分辨率越高，图像质量好，但数据量大；量化等级越少，量化比率越高，图像层次欠丰富，灰度分辨率低，可能会出现假轮廓，图像质量变差，但数据量较小。 图像量化的作用是在一定主观保真图像质量的前提下，丢掉对视觉影响不大的信息，以获得较高的压缩比。
78320编辑于 2022-05-28 Python 量化
Python 量化是指利用 Python 编程语言以及相关的库和工具来进行金融市场数据分析、策略开发和交易执行的过程。 Python 由于其简洁、易学、强大的生态系统和丰富的金融库而成为量化交易的首选编程语言之一。 量化主要是通过数学和统计学的方法，利用计算机技术对金融市场进行量化分析，从而制定和执行交易策略。 更多 Python 量化内容可以查看：Python 量化交易。 start_date, end=end_date) # 简单的数据分析 print(data.describe()) # 绘制股价走势图 data['Close'].plot(figsize=(10, 6) strategy_performance.items(): print(f"{key}: {value:.4f}") # 绘制累计收益曲线 plt.figure(figsize=(10, 6)
34110编辑于 2025-12-16- 来自专栏小明的博客
量化交易
量化投资没有确切的定义，它泛指通过数学分析、挖掘价格波动规律，或者通过对相关宏观经济、财务数据、量价关系、资金交易等数据进行建模，寻找数据之间的关系，以获得稳定利润为目标，持续计算生成定量化的投资信号 多资产多策略配置: 对冲风险更高收益 技术信息理论的三大假设 市场行为包容消化一切信息 市场运行以趋势方式演变 历史会重演（我们可以通过历史数据来推断未来走势 绩效评估指标 绩效指标也被称为风险指标，它们也是量化投资的基石
2.7K20编辑于 2022-09-06 - 来自专栏机器学习、深度学习
模型量化
下图显示不同量化策略对速度的提升影响 ? 量化卷积过程 ? 加速策略： AND, XOR and bitcount operations 训练过程 ? 分类性能对比 ?
88110发布于 2019-05-26 - 来自专栏算法码上来
【白话模型量化系列一】矩阵乘法量化
然后整数矩阵 的数值范围其实就是有符号整数的表示范围 ， ，为了实现的简单，我们只量化到 ，这样就和 一样关于零点左右对称了。 如果我们强行还按照 的范围来量化relu结果 的话会怎么样呢？这样会导致整数区间 永远不会有数字，因为根本没有负数浮点数的存在。这样就白白浪费了127个整数，就会导致量化的精度大大受损。 总结 如果矩阵乘法两个输入的范围都是关于零点对称的，那么计算公式为： 「量化：」 「反量化：」 如果矩阵乘法其中一个输入是relu的结果，那么计算公式为： 「量化：」 「反量化：」 当然还有很多其他情况 此外为了减小量化的损失，还需要在模型结构中插入伪量化节点，然后进行量化感知训练（QAT）。接着还需要将finetune后的模型存储为int8格式。然后还需要开发加载int8模型的推理加速库代码。 网上关于量化的优秀教程非常多，我不会讲太多理论上的量化知识，只会从实践的角度来白话一下我们在Transformer模型量化过程中做的一些尝试。
1.3K20发布于 2021-12-02 - 来自专栏PPV课数据科学社区
十年量化老兵谈量化：玩转量化投资你需要这些技能
2015年6～9月大股灾，净值回撤大吗？ “构建量化模型的四个步骤：猜想、建模、回测、实战” 问：具体而言，您是如何构建量化模型的吗？如何确定量化因子的？ 持有封基：量化四步骤——猜想、建模、回测、实战。 “做好量化投资：有数学天赋很重要” 问：你做量化差不多十年了，在您看来要做好量化投资，需要做些什么准备？ 持有封基：除了热爱投资，还需要热爱数学，热爱量化，这是最根本的。 持有封基：持仓周期不一定的，主要还是取决于我的策略模型，最长的如我优化的海龟模型，从去年6月股灾开始一直看空，我就一直持有了债券和分级A一年多了。 我目前就是有6-7个策略，好几十个品种一起在投资，目的还是防止风险。有句话叫做输赢同源，有人为了减少回撤始终半仓。但我不是这样认为的。我比较欣赏@阿土哥a 的话：“只有狠狠的赚，才能亏得起”。
2.6K61发布于 2018-04-24 - 来自专栏NetCore
平民化量化平台-刚米量化
目前国内量化基金规模已经越来越庞大，量化投资的规模更是巨大，计算机的运行速度已经远远超过我们大脑，虽然说无法做到每次投资都赚钱，但只要数据够大，胜率超过50%以上，甚至60%以上，经过长时间的复利，就能达到很好的效果 量化交易具有以下几个方面的特点： 1、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。 2、系统性。 普通人是否适合量化？ 1 其实普通人很难进行量化，因为量化的基础是基于历史大数据，如果实盘还需要实时数据，这些都是很耗费人工和资金的。 那普通人想要尝试量化，该如何做呢？ 在刚米量化平台你可以做什么？
87830编辑于 2022-09-16 - 来自专栏AI算法与图像处理
Pytorch量化入门之超分量化（一）
对于量化后模型而言，其部分或者全部tensor(与量化方式、量化op的支持程度有关)将采用INT类型进行计算，而非量化前的浮点类型。 目前Pytorch已经更新到了1.7版本，基本上支持常见的op，可以参考如下： Activation：ReLU、ReLU6、Hardswish、ELU； Normalization：BatchNorm、 ，一种比静态量化更优的量化方式，但量化时间会更长，但精度几乎无损。 nn.LayerNorm: nnq.LayerNorm, nn.LeakyReLU: nnq.LeakyReLU, nn.Linear: nnq.Linear, nn.ReLU6: nnq.ReLU6, # Wrapper Modules: nnq.FloatFunctional: nnq.QFunctional, # Intrinsic modules:
3.4K22发布于 2021-02-05 - 来自专栏量化小白上分记
量化学习资源分享（十一）：FOF量化专题
这次整理了一些基金或者说FOF量化相关的研报，后台回复“FOF报告”获取报告合集。
70521编辑于 2023-03-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号