- 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（4）
货币——也就是我们俗称的“钱”是世界上最可爱的东西之一，可以说没有它的刺激，也就没有我们现在这么繁荣的市场，也没有这么丰富的各类物质产品和幸福生活。
71320发布于 2018-09-14 - 来自专栏mythsman的个人博客
斜率优化dp专题小结
斜率优化dp是一种通过构造斜率表达式，用维护凸包的方法来去除多余的点以减少算法复杂度的方法。通常可以将问题规模减小一个维度，从而提高运行效率。 这时候就可以用斜率dp进行优化，将其优化到 。 斜率优化dp的套路基本是固定的，基本上就是用数组模拟队列，然后两个while循环判断是否可以去除无用的点。
84810编辑于 2022-11-14 - 来自专栏Python in AI-IOT
Python数据分析--斜率图
林骥老师将数据可视化分析源代码分享在他的GitHub空间https://github.com/linjiwx/mp 斜率图，可以快速展现两组数据之间各维度的变化，特别适合用于对比两个时间点的数据。 斜率图的优势，是能快速看到每个类别前后发生的变化，并能根据线条的陡峭程度，直观地感受到变化的幅度。 df.columns labels = df.index.map(str).to_list() data = df.values fig, axes=plt.subplots(2,3,figsize=(4, 6)) fig.set_facecolor('w') axes=axes.flatten() # 画斜率图 radio=((data[1]-data[0])/data[0]).round(2)
1.3K30编辑于 2022-04-22 - 来自专栏OI
YbtOJ 494「斜率优化 dp」最小划分
YbtOJ 494「斜率优化 dp」最小划分 题目链接：YbtOJ #494 小 A 有一个长度为 n 的序列 a，要求你把它划分成 m 个连续段（记 w_i 表示 第 i 段的数之和）。 的充要条件就是 图片 由于 s_j-s_k 显然为正，因此就有： s_i > \frac{(f_j+s_j^2)-(f_k+s_k^2)}{2(s_j-s_k)} 那么我们只要维护一个单调队列，然后就可以轻松斜率优化了 Code #pragma GCC optimize("Ofast") #pragma GCC target("sse,sse2,sse3,ssse3,sse4,popcnt,abm,mmx,avx,avx2
85020编辑于 2022-09-19 - 来自专栏GiantPandaCV
INT4量化用于目标检测
Int 4量化用于目标检测 【GiantPandaCV】文章2019 CVPR，讲的是Int 4量化用于目标检测，主要是工程化的一些trick。 感受：这篇文章主要是做了实践工作，可以看作是低bit量化(Int 4)用于目标检测的一些trick。 的Int算法即Int-4。 并且让activation在[，] (0 < < 1) 内，文章设置n=20，=0.999. 4、折叠bn。 Int4量化与全精度对比 ? 消融实验 ? FreezeBN与不同bit的对比 ? 截断激活函数阈值的百分比 ? 与其他量化方法的对比图
1.3K20发布于 2021-03-24 - 来自专栏AI机器学习与深度学习算法
机器学习入门 5-4 向量化
本小节主要介绍使用向量化的方式提升性能。 简单线性回归 先来回归一下简单线性回归优化目标以及通过最小二乘的方式求得的参数a，b的解析解。 ? 在上一个小节中，我们是通过循环的方式来求解分子和分母，前面也说过，使用for循环的这种方式，性能相对是比较低的，如果有办法将for循环的计算变成向量之间的计算的话，得益于numpy模块性能就会大大的提升，这就是向量化运算含义 上面我们将对应元素相乘然后相加的操作看成是向量之间的点乘，这也是为什么在最小二乘求解a的解析解的时候要把式子写成相乘累加的形式，这样就可以将其转换成向量之间的运算，进行向量化运算提升性能。 使用向量化运算实现线性回归算法 前面使用sklearn的思想封装了一个名为"SimpleLinearRegression1"的类，在类中使用for循环的方式来求解参数a的值。 ? ? ? ? 实现向量化的代码只需将for循环部分改成向量点乘即可： ? ? ? ? 为了比较两者的性能，将两种方式导入jupyter中，通过魔法命令来验证性能。 ? ? ? ?
89420发布于 2019-11-13 - 来自专栏数据结构与算法
BZOJ3675: 序列分割(斜率优化)
-开始小H有一个序列(4，1，3，4，0，2，3)。小H选择在第1个数之后的位置 将序列分成两部分，并得到4×(1+3+4+0+2+3)=52分。 2．这一轮开始时小H有两个序列：(4)，(1，3，4，0，2，3)。小H选择在第3个数 字之后的位置将第二个序列分成两部分，并得到(1+3)×(4+0+2+ 3)=36分。 3．这一轮开始时小H有三个序列：(4)，(1，3)，(4，0，2，3)。小H选择在第5个 数字之后的位置将第三个序列分成两部分，并得到(4+0)×(2+3)= 20分。 经过上述三轮操作，小H将会得到四个子序列：(4)，(1，3)，(4，0)，(2，3)并总共得到52+36+20=108分。 $k$优 最后可以画为 $$S_{i} >\dfrac {S^{2}_{j}-f_{j}-\left( S^{2}_{x}-f_{k}\right) }{S_{i}-S_{k}}$$ 按照套路，发现能斜率优化
62420发布于 2019-01-30 - 来自专栏数据结构与算法
HDU3507 Print Article(斜率优化DP)
| We have carefully selected several similar problems for you: 3506 3501 3504 3505 3498 比较裸的斜率优化
76620发布于 2019-01-30 - 来自专栏数据结构与算法
BZOJ4518: 征途(dp+斜率优化)
这样的话就可以愉快的斜率优化啦 第二维可以用滚动数组滚动掉 // luogu-judger-enable-o2 #include<cstdio> #include<cstring> #include<bitset
1.3K80发布于 2018-04-13 - 来自专栏可以叫我才哥
使用Python进行量化投资A股的4 种方法！
大家应该都知道，Python的一个应用方向就是——量化交易，恰好最近收到了清华出版社赠送的 《深入浅出Python量化交易实战》 一书，因为平时对数据科学和机器学习都比较感兴趣，简单试读了一下，今天文末也会送出几本 2021年11月1日后用户将无法从中国大陆使用 Yahoo 的产品与服务) yfinance 另外，yfinance也有类似的功能，使用方法也很简单 Tushare 当然，说到用 Python 进行量化交易 JoinQuant 最后一种方法来获取数据就是用现成的量化平台。这里我用joinquant实验了一下 可以看到，通过平台获取数据，还是比较简单的。 http://mpvideo.qpic.cn/0bc3lqaaaaaaoyaj25qpmbrfaxgdaboaaaaa.f10002.mp4? dis_k=4e6da654e1bbc5d6818c55e3835d64ea&dis_t=1649751382&vid=wxv_2274959819105320960&format_id=10002&support_redirect
1.8K10编辑于 2022-04-12 - 来自专栏云深之无迹
多斜率积分ADC-低频测量我最强
其擅长处理低频信号 在双斜率型 ADC 中，积分器生成两个不同的斜坡，一个斜坡具有已知的模拟输入电压 VA，另一个斜坡具有已知的参考电压 –Vref。因此，它被称为双斜率 A 到 D 转换器。 多斜率积分ADC就像一个精确的水桶，通过测量注水和放水的时间来测量水的多少. 为什么叫“多斜率”？ 因为在整个过程中，水位（也就是电压）的变化不是线性的，而是分阶段的： 第一个阶段: 水位上升，斜率取决于输入电压的大小。 第二个阶段: 水位下降，斜率是固定的。 这两个阶段的斜率不同，所以称为“多斜率”。 这个转换的图也是这样的 使用天平也可以比喻： 就好比一个精密的天平，通过比较未知物体的重量和已知重量的砝码来测量物体的重量。
74400编辑于 2025-01-13 - 来自专栏Greenplum
greenplum 检测表倾斜率高的shell脚本
.******** 表的倾斜率检测完毕,请下载 greenplum-table-percentage/log/20190603/table-percentage/20190603-finish.csv For partitioned tables, run analyze 生成的CSV文件格式如下 表名,最大segment的行,最小segment的行,倾斜率(%),表的大小,表的分布键 datafix.enterp
2K50发布于 2019-06-05 - 来自专栏数据结构与算法
BZOJ1096: 仓库建设(dp+斜率优化)
这样的话就有20分了 考虑继续优化，把上面的式子暴力推推推，再把只包含i的删去，不难得到 把dis[i]看成k 把num[i]看成x 把f[i]看成b 把f[j]-g[j]看成y 然后就能斜率优化了
1.1K50发布于 2018-04-13 - 来自专栏小樱的经验随笔
BZOJ 1597: 土地购买【斜率优化+凸包维护】
Sample Input 4 100 1 15 15 20 5 1 100 输入解释: 共有4块土地. 显然f[i]=min(f[j]+y[j+1]x[i])，然后再搞个斜率优化，方程是(f[j]-f[k])/(y[k+1]-y[j+1])<x[i]，然后维护一个下凸包！ 下面给出AC代码： 1 #include <bits/stdc++.h> 2 using namespace std; 3 inline int read() 4 { 5 int x=
95260发布于 2018-04-09 - 来自专栏饶文津的专栏
【BZOJ 1701】Cow School（斜率优化动态凸包分治优化）
[c[t][1]]=rot; fa[rot]=0; lk[rot]=rk[c[t][1]]=getk(rot,c[t][1]); } } dd getk(int i,int j){//求斜率 rot,t)>=rk[t]) tmp=t,t=c[t][0]; else t=c[t][1]; } return tmp; } int find(int t,dd k){//找到当前斜率的位置
1.2K20发布于 2020-06-02 - 来自专栏数据结构与算法
BZOJ1010: 玩具装箱toy(dp+斜率优化)
Input 第一行输入两个整数N，L.接下来N行输入 Output 输出最小费用 Sample Input 5 4 3 4 2 1 4 Sample Output 1 HINT Source 感觉自己一直学的是假的斜率优化 推荐一篇写的比较好的博客 https://www.cnblogs.com/Paul-Guderian/p/7259491.html #include<cstdio
93070发布于 2018-04-13 - 来自专栏DrugScience
超量化合物库筛选策略–P4
上期回顾 超量化合物库筛选策略–P1 超量化合物库筛选策略–P2 超量化合物库筛选策略–P3 具体步骤 5. #1])]=O','[CX4][Cl,Br,I]','[R][Cl,Br,I]','[N;H2;D1;$(N-!@[#6]);! $(N-C=[O,N,S])]'), ('[CX4][Cl,Br,I]', '[R][Cl,Br,I]'), ('[CX4][Cl,Br,I]', '[N;H2;D1;$(N-!@[#6]);! $(N-C=[O,N,S])]'), ('[CX4][Cl,Br,I]', '[N;H1;D2;$(N(-[#6])-[#6]);! #1])]=O','[CX4][Cl,Br,I]','[R][Cl,Br,I]','[N;H2;D1;$(N-!@[#6]);!
59010编辑于 2022-05-17 DeepSeek-7B-chat 4bits量化 QLora 微调
DeepSeek-7B-chat 4bits量化 QLora 微调 概述 本节我们简要介绍如何基于 transformers、peft 等框架，对 DeepSeek-7B-chat 模型进行 Lora =True, # 是否在4位精度下加载模型。 如果设置为True，则在4位精度下加载模型。 bnb_4bit_compute_dtype=torch.half, # 4位精度计算的数据类型。 bnb_4bit_quant_type="nf4", # 4位精度量化的类型。这里设置为"nf4"，表示使用nf4量化类型。 bnb_4bit_use_double_quant=True # 是否使用双精度量化。如果设置为True，则使用双精度量化。
52810编辑于 2025-07-17- 来自专栏GiantPandaCV
NCNN+INT8+YOLOV4量化模型和实时推理
【GiantPandaCV导语】本文记录了作者使用NCNN量化YOLOV4模型并进行推理的全过程，过程比较详细，希望对想使用NCNN这一功能的读者有帮助。 (ncnn2table)新特性 支持 kl aciq easyquant 三种量化策略 支持多输入的模型量化 支持RGB/RGBA/BGR/BGRA/GRAY输入的模型量化 大幅改善多线程效率 离线进行 ，安装和编译过程可以看我的另一条博客： https://zhuanlan.zhihu.com/p/368653551 2.2 yolov4-tiny量化int8 在量化前，先不要着急，我们先看看ncnn 也就是说，在进行量化前，我们需要yolov4-tiny.bin和yolov4-tiny.param这两个权重文件，因为想快速测试int8版本的性能，这里就不把yolov4-tiny.weights转yolov4 /ncnn2int8 yolov4-tiny-opt.param yolov4-tiny-opt.bin yolov4-tiny-int8.param yolov4-tiny-int8.bin yolov4
3K30发布于 2021-05-18 - 来自专栏生信技能树
信息熵的4个量化指标的R代码实现
d50.index(b3) [1] 0.5 > d50.index(1:100) [1] 0.5 > d50.index(1:1000) [1] 0.5 > d50.index(c(1,2,2,2,3,4) 总结 上面我写的4个公式里面只有基尼系数计算必须输入的是数值，或者把非数值变量取频数后再进行计算。而且仅仅是只有基尼系数是越大，贫富差距越大，多样性越差。其它的数值都是越小多样性越差。
1.9K40发布于 2020-05-26
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