- 综合排序
- 最热优先
- 最新优先
- 来自专栏码
最新最强，DeepSeek大模型v2的技术指标评测
最近，来自杭州的深度求索发布了第二代开源MoE模型DeepSeek-V2，从各项指标来看，都具备了领先水平，无论与开源模型，还是闭源模型对比，都处于第一梯队，是GPT-4, 文心4.0, Qwen1.5 参数规模与性能 DeepSeek-V2包含236B（十亿）参数，每个Token激活2.1B参数，支持长达128K的上下文长度。 API价格 DeepSeek-V2的API定价为每百万输入Tokens 1元（0.14美元），每百万输出Tokens 2元（0.28美元），具有竞争力的价格。 商用 开源协议为MIT，且注明了V2系列支持商用。 开源，2. 价格低，3. 对中文的理解能力强，4. 在架构上支持更大的上下文窗口和更牛的性能。
8K10编辑于 2024-05-13 - 来自专栏阴极保护
高电位镁阳极技术指标
4.1 高电位镁阳极技术指标阳极应为钢管埋地段牺牲阴极保护所需的高电位镁阳极。预包装的高电位镁阳极应与包含在棉袋中的阳极和低电阻率回填材料一起提供。 商品描述百分比 ％1.铝 (Al)最大值：0.01%2.锰 (Mn)最低：0.5% - 1.3%3.铜 (CU)最大值：0.02%4.镍 (Ni)最大值：0.001%5.铁 (Fe)最大值：0.03%5 无水硫酸钠： 5%4.1.4 电缆尾部详细信息每个阳极都应提供完整的电缆尾线，该电缆尾端封装在其上，具有以下特性：i. 6米长 6mm 2 CU/XLPE/PVC 绞合铜电缆，电压等级为 600/1000V
56140编辑于 2022-11-07 - 来自专栏子晓AI量化
股票技术指标计算速度对比
这里写一下常用的技术指标计算方式。
21210编辑于 2026-04-23 - 来自专栏硬件大熊
浅析硬件“好声音”：喇叭技术指标及选型指南
本篇阐述喇叭技术指标及选型指南，在进入文章之前，推荐阅读： 《浅析硬件“好声音”: 声学器件》 《浅析硬件“好声音”：麦克风技术指标及选型指南》 麦克风的性能是影响语音唤醒率高低的重要因数，而喇叭的性能会影响打断唤醒率和用户的主观体验 喇叭的技术指标：灵敏度、频率响应曲线、额定阻抗、谐振频率F0、失真THD 灵敏度 灵敏度表示扬声器电声转换能力的指标，单位为SPL。 灵敏度越高，声音越大。
2.5K10编辑于 2022-06-23 - 来自专栏用户8057608的专栏
零基础玩转投资理财 || 技术指标分析与运用
距离上次讲解技术指标与运用也有好几天了，哈哈。 今天就继续来学习与技术分析相关的知识点。 2号点+买点二（回测不破）：虽然向下跌了一点点，但并没有突破我们的那个平均线，可少。 在1号点位到2号点位之间虽然两条线都有上升的趋势，但最终却也没有突破平均线，也就容易导致下跌的趋势形成，所以这个点位也是需要我们卖出的点位。
89640发布于 2020-12-15 - 来自专栏硬件大熊
浅析硬件“好声音”：麦克风技术指标及选型指南
这类设备中都集成了麦克风和喇叭等电声器件，其中麦克风用于识别用户的声音，喇叭用于播放设备对用户指令的反应。麦克风的性能是影响语音唤醒率高低的重要因数，而喇叭的性能会影响打断唤醒率和用户的主观体验。接下来将分两篇文章对麦克风和喇叭的一些主要性能参数进行解析，给大家在产品设计时选择声学器件提供一些帮助。
4.1K10编辑于 2022-06-23 2023年YashanDB数据库的技术指标与性能评估
YashanDB 是一个相对较新的数据库系统，具体的技术指标和性能评估可能会因版本和使用场景而有所不同。以下是一些可能的技术指标和性能因素，通常在评估数据库时会考虑：技术指标1. 2. 存储引擎：- 不同的存储引擎（如行存储、列存储）对性能的影响。- 数据压缩和索引机制。3. 查询性能：- 查询响应时间。- 支持的查询复杂度（如多表联接、聚合查询等）。4. 2. 资源利用率：- CPU、内存、磁盘 IO 和网络带宽的使用情况。- 性能瓶颈分析。3. 实用案例：- 在具体的应用场景（如实时分析、大数据处理等）的性能表现。- 与其他数据库在相同条件下的比较。 小结要获得 YashanDB 数据库的具体技术指标和性能评估，建议查看其官方文档、发布说明以及相关的第三方评测报告。同时，结合自身的使用场景和需求，进行必要的评估和测试。
10610编辑于 2025-11-15- 来自专栏量化投资与机器学习
机器学习模型的变量评估和选择基于技术指标『深度解析』
= p)%>% extract(,3) atr <- ATR(price, n = p, maType = "EMA") %>% extract(,1:2) cci <- CCI(price[ ,2:4], n = p) chv <- chaikinVolatility(price[ ,2:4], n = p) cmo <- CMO(price signal, vsig) %>% as.matrix() rsi <- RSI(price[ ,'Med'], n = p) stoh <- stoch(price[ ,2: ,slowD, oscK)%>% as.matrix() smi <- SMI(price[ ,2:4],n = p, nFast = 2, nSlow = 25, nSig = 9) vol 对于分类来说给出2个预测误差边界，树之间的平均相关性，强度及强度标准差。 预期预测误差 = 18.42%。误差上限 = 27.76%。 测试误差 = 19.97% (外部误差)。
2.1K50发布于 2018-01-29 - 来自专栏用户4866861的专栏
国产瞬时日差测量仪主要技术指标比较
西安同步电子科技有限公司生产的SYN5302型日差检定仪内置恒温晶振准确度，年老化率优于,将年老化率计算在内，也满足0.01s/d的技术指标，并具有外参考输入功能，外参考输入测量精度优于0.001s/d
68020发布于 2021-08-27 - 来自专栏亿源通科技HYC
什么是光分路器，有哪些重要技术指标？
分配形式有多种，1×2，1×4，1×N，或2×4，M×N。
2.7K10发布于 2020-03-27 Python量化交易：结合爬虫与TA-Lib技术指标分析
本文将介绍如何结合网络爬虫获取股票数据，并使用TA-Lib（Technical Analysis Library）计算技术指标，构建一个简易的量化交易分析系统。 核心内容：使用爬虫获取股票数据（yfinance + requests）TA-Lib技术指标计算（MACD、RSI、布林带等）策略回测与可视化（Backtrader + Matplotlib）1. 技术指标计算：TA-Lib实战2.1 安装TA-Lib2.2 计算常用技术指标(1) 移动平均线（MA）import talib# 计算5日、20日、60日均线data['MA5'] = talib.MA MA20'] = talib.MA(data['Close'], timeperiod=20)data['MA60'] = talib.MA(data['Close'], timeperiod=60)(2) SmaCrossStrategy)cerebro.broker.set_cash(100000) # 初始资金10万美元# 运行回测print('Starting Portfolio Value: %.2f
1.3K10编辑于 2025-08-19- 来自专栏文武兼修ing——机器学习与IC设计
目标检测技术指标mAP：识别准确率IOU：检测效果
mAP：识别准确率 mAP在目标检测中用于判断识别的准确率，即用于衡量物品被检测出的概率，其跟以下两个指标有关： Precision（准确率）：检测出的“物品有多少是真的物品 Recall（召回率）：数据集中的物品有多少被检出 对于以上两个概念，将其置于标准二分类问题框架下有以下公式： $$ Precision = \cfrac{TP}{TP+FP} \\ Recall = \cfrac{TP}{TP+FN} $$ 对于以上，有： TP：正例，被识别为正例 FP：反例，被识别为正例 TN：反例，被识别为正
2.3K50发布于 2018-07-04 - 来自专栏网络安全技术点滴分享
开发者绩效评估新趋势：超越技术指标的综合衡量体系
报告：开发者希望绩效评估超越单纯技术指标多年来，DORA指标一直是衡量软件开发绩效的黄金标准，但根据JetBrains《2025年开发者生态系统状态》报告，如今的开发者希望绩效评估能够超越单纯的技术指标
19810编辑于 2025-11-03 AI炒股：自动画出A股股票的K线图并添加技术指标
* stock_data['收盘'].rolling(window=20).std()stock_data['下轨'] = stock_data['中轨'] - 2 * stock_data['收盘'] ['收盘'].ewm(span=26, adjust=False).mean()stock_data['MACD'] = exp1 - exp2stock_data['信号线'] = stock_data = plt.subplots(2, 1, sharex=True, figsize=(14, 10))# 绘制K线candlestick_ohlc(ax1, stock_data[['日期', '开盘 label='信号线')ax2.bar(stock_data['日期'], stock_data['MACD柱'], label='MACD柱')ax2.xaxis_date()ax2.legend( )ax2.set_title('贵州茅台 MACD')plt.tight_layout()plt.show()
1.5K10编辑于 2024-06-24- 来自专栏Dotnet Dancer
股票技术指标入门开发之——给主图添加MACD顶底背离
选择公式组下面的技术指标公式文件夹，然后选中其他类型（自己创建的指标，都要写到其他类型里面）。选中以后，右上角新建 然后对复制的内容做个改造。 然后对新指标编写标题，例如新MA、选择主图叠加(就是在K线上面叠加你的技术指标的意思) 顶、底背离，平常大家说的，一般是MACD层面的顶底背离。 MA常规指标和MACD源码： MA5:MA(CLOSE,M1); MA10:MA(CLOSE,M2); MA20:MA(CLOSE,M3); MA60:MA(CLOSE,M4); DIFF:=EMA(CLOSE ,12)-EMA(CLOSE,26); DEA:=EMA(DIFF,9); MACD:=2*(DIFF-DEA); 以上就是本文章的全部内容，如果觉得有用，欢迎点赞、在看、转发和关注。 如果对学习技术指标感兴趣，那就——自己找途径学习吧~ 本人不提供培训服务。 如果有需要代写技术指标，你可以提供你的具体策略想法，我可以提供有偿代写指标代码。
98910编辑于 2024-10-29 - 来自专栏信数据得永生
【Quant102】 经典技术指标 Pandas 实现（第一部分）
( df, mid_col='mid_band', upper_col='upper_band', lower_col='lower_band', window=20, num_std=2, num_std : int, optional 计算布林带通道时使用的标准差倍数，默认为2。 def kdj(df, k_col='K', d_col='D', j_col='J', n=9, m1=3, m2=3, inplace=False): """ 计算KDJ指标，并更新 m2 : int, optional 计算J线的参数，默认为3。 # 计算D值 df[d_col] = df[k_col].rolling(window=m1).mean() # 计算J值 df[j_col] = m2
81910编辑于 2024-05-16 知识资产化时代：标准化操作沉淀软件运用必看的技术指标解析
} return { progress: `${Math.round(progress)}%`, status: currentStatus };}2.
21410编辑于 2026-01-13- 来自专栏灵墨AI探索室
QClaw量化实战：如何用AI串起消息面、K线与技术指标
如果你只是想快速搭一套能用的量化分析流程，这篇文章就是写给你的。最近市面上这类量化课程真的很多，讲得热闹，卖得也凶，但我个人一直不觉得这东西有多大价值。
62521编辑于 2026-05-06 - 来自专栏Dotnet Dancer
股票技术指标开发教程之：竞价成交量——通过集合竞价量洞悉资金意图
手机版本通达信可以直接使用，但是我有Level2功能，所以不知道这个函数是否需要L2权限,需要感兴趣的小伙伴们自己实验下。 原因是涨停以后有很多获利盘竞价出货，所以可以看到竞价成交量近些天比较大： 两天前参与的另一个，方哥，也是如此，竞价量比较明显： 以及最近的市场最高标，信哥：它是2月28号那天竞价量突然异动了下，竞价成交了三百多万 比如说，连续大涨以后，如果突然竞价爆量了，那说明可能有资金在借助竞价获利出货，例如2月18号的塞哥： 以上只是个例哈，并不代表全部都是如此。大家在技术分析过程中，请勿盲目应用。 TdAmt - TodayAmount（今日竞价金额） 2. YdAmt - YesterdayAmount（昨日竞价金额） 3. BdAmt - BoardAmount（连板金额） 10.TORate - TurnOverRate（换手率） 【免责申明】本教程涉及到的技术指标公式，仅个人开发用于技术研究使用，不能当做投资决策的依据
4.5K10编辑于 2025-03-17 - 来自专栏腾讯多媒体实验室
4项技术指标行业第一，腾讯音视频实验室SDK撑起大半直播江湖
纵观当前直播行业，腾讯音视频实验室直播SDK占有重要地位，不仅涵盖了TOP100直播平台中的70%、主播人群的60%，还覆盖到了金融、电商、教育等各个垂直细分领域，终端用户高达2亿，撑起了中国直播江湖的大半江山 市场：覆盖7成TOP100直播平台，终端用户高达2亿 腾讯音视频实验室在音视频实时通信、音视频直播、图像处理、视频处理和语音处理等技术领域拥有十多年的经验沉淀，技术水平在业内已属于领先水平。 ，包括QQ电话/视频电话、NOW直播、QQ空间、全民K歌、快手、斗鱼、虎牙、蘑菇街、聚美优品、邢帅教育等，涵盖70%的TOP100直播平台、60%主播人数、90%电商金融垂直领域应用，整体终端用户高达2亿 优势：4项技术指标行业第一、17大能力覆盖，行业优势明显 被这么多直播平台使用，腾讯音视频实验室直播SDK在性能上究竟有何优势？ 这四项核心技术指标上做到了行业第一，其他核心数据也接近行业最佳。
1.5K140发布于 2018-04-10
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