- 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 - 来自专栏腾讯大讲堂的专栏
增长产品中，量化数据分析的几个方法
下面就谈一谈增量贡献的量化，以及如果没有AB实验，怎么量化？ 增长为什么要做量化 做增长产品的数据分析，和其他的数据分析，个人认为最大的特色在于量化，为什么要做量化？ 因为，做增长，是个强数据驱动的方法，要把有限的资源发挥出最大的价值，所以必须准确计算出每个Driver的ROI，才能更有效分配资源，做到效率最大化，把好钢用在刀刃上。 可以看出，我把增长产品的量化规为2大类，外部拉量（拉新、拉活）和促进活跃： 外部拉量：拉新方面，业界有比较成熟的LTV模型，难点在于对LTV模型的预估，拉活方面，一般我们只计算当次（当然不严谨，拉活的后续持续贡献非常复杂 拉新拉活的量化 这部分，只简单谈一下，因为我的业务范围拉新拉活量化比较少，没有经验，借鉴下比较基础的量化方法 拉新，采用y = ax^b分渠道量化预估，虽然还有很多高大上的算法，但是这个公式实现成本最低的 促活贡献的简单量化方法 促活方面，有几个简单的量化方式，虽然不好，但是较为简单，可以参考，后续将会讨论2种比较复杂的量化方式 染色法：对于参与或深度参与的，设定一个阈值，认为是带来的 对比法：对比渗透与未渗透的用户
2.3K21发布于 2020-09-16 - 来自专栏Material Design组件
增长黑客4：获客
《增长黑客》 对于任何一家公司来说获取新用户都非常重要，但如果获取用户成本超过了用户所能带来的收益，那就有问题了。 4、不断进行新尝试 即使你已经找到了一个可靠的渠道或者一系列奏效的策略，新的选择还在不断涌现，你要做的就是不断寻求可用于试验的新策略。 随着增长加速，新渠道会变得更加重要。 大多数获得口碑式病毒增长的公司都努力使他们的原生病毒循环既显而易见又充满吸引力，使用户愿意自发地发出邀请。 4、确保受邀者获得满意的体验 需要告知这个产品是干什么的／为什么他们应该加入后再要求他们创建账户。 很多最出色的增长手段都是无意间发现的。
80931发布于 2019-01-03 腾讯AI素材分析方案：量化创意基因，科学驱动广告增长
破解创意分析的高维非结构化难题 广告素材作为核心变量，其内容复杂、维度高，传统方法面临三大瓶颈：高维非结构化（难以标准化分析）、经验主导（依赖个人直觉）、规模化瓶颈（人工分析无法满足海量素材迭代需求）
10910编辑于 2026-04-16- 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 - 来自专栏刘旷专栏
2020 Q4营收环比增长27.5%，前程无忧找回增长节奏
受益于此，前程无忧2020Q4网络招聘和人力资源相关服务均实现环比增长，其中人力资源相关服务增速相当亮眼，从Q3的3.6亿元增加到Q4的6.1亿元，增长了69.4%。 从Q4业绩来看，在就业市场整体回暖的大环境下，前程无忧不仅很好地将部分前期搁置需求进行了转化，而且还通过客户需求深度挖掘和完善的产品服务体系，有效开发了大企业和校园场景的需求，实现了超越市场的增长。 后续招聘市场复苏和周期红利叠加效应明显，前程无忧的网络招聘和人力资源相关服务增长值得期待。 财报显示Q4整体毛利率为64.4%，而Q3的整体毛利率为64.5%，而Q4营业利润率为30.7%，Q3营业利润率则为19.3%，利润率指标或保持稳定，或得到改善。 根据财报，Q4营业利润达到3.57亿元，环比增长104%。整体来看，良好的财务习惯和持续改善的运营效率，正在前程无忧的成本、费用、利润等数据上得到加速反馈。
58140发布于 2021-03-23 - 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 - 来自专栏敏捷分析
教你更科学地花钱：因果推断在增长业务ROI量化评估上的应用
点击蓝字关注我们 作者：李金霞Polarisli 知乎专栏：《数据分析方法与实践》 创作者：「守望北极星的猫」 ---了解作者其他作品，请点击【文末原文链接】--- 丨导语丨 做增长业务，常用的策略手段有渠道拉新 ，每笔投入的 ROI 量化评判标准统一，自然就可比较。 一 什么是因果推断 在做用户增长时，我们要回答的终极问题是“如果对产品施加 T 策略，对业务目标是否有影响，影响有多大？” 三 倾向性加权得分在活动效果量化增益上的应用 以下以参与某活动为例，讲解倾向性加权得分方法在活动 ROI 量化增益上的应用。 以上量化指标符合规则，则说明加权匹配成功。 3）量化增益值及显著性校验 s_treat = 1.62 说明参与活动用户较未参与活动用户30日人天增益为1.62，且结果显著，量化评估结果可用。
1.5K21编辑于 2022-09-08 - 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 - 来自专栏AI人工智能
模型量化大揭秘：INT8、INT4量化对推理速度和精度的影响测试
随着大语言模型参数规模的不断增长，从GPT-3的1750亿参数到GPT-4的万亿级参数，模型的存储和推理成本呈指数级增长。 在我过去两年的实践中，我系统性地测试了INT8和INT4量化技术在不同模型架构上的表现，发现量化技术不仅能够将模型大小压缩2-4倍，还能在特定硬件上实现1.5-3倍的推理速度提升。然而，量化并非银弹。 INT4量化的极限压缩探索3.1 INT4量化的挑战与机遇INT4量化将模型压缩推向了极限，但也带来了更大的精度挑战：class INT4Quantizer: """INT4量化器 - 实现4位量化 INT4量化中的关键技术，通过将权重分成小组并为每组计算独立的量化参数，可以显著提高量化精度。 量化优化关键词标签#模型量化 #INT8量化 #INT4量化 #推理优化 #AI部署
2.1K21编辑于 2025-08-20 - 来自专栏拓端tecdat
JupyterLab实现医疗推理数据集Llama4Scout的4-bit量化、LoRA低秩适配、SFT有监督微调|轻量化适配
模型4-bit量化加载代码import osimport torchfrom transformers import AutoTokenizer, Llama4ForConditionalGeneration 量化参数，修改变量名，降低模型显存占用quant_4bit_config = BitsAndBytesConfig( load_in_4bit=True, # 开启4-bit量化 bnb_4bit_use_double_quant =False, bnb_4bit_quant_type="nf4", bnb_4bit_compute_dtype=torch.bfloat16,)......上述代码执行后，模型将以4-bit量化的形式完成加载 总结本文基于实际的客户咨询项目，详细拆解了如何通过云GPU平台实现Llama 4 Scout大模型的低成本、轻量化微调，通过4-bit量化、LoRA低秩适配、多GPU分布式训练等技术优化，将原本需要4张高端 后续我们将继续探索更大规模Llama 4模型的轻量化微调技术，同时针对更多垂直领域开展大模型的适配研究，优化模型的泛化能力与行业适配性，推动大语言模型的普惠化落地。
13510编辑于 2026-02-10 - 来自专栏DeepHub IMBA
NVFP4量化技术深度解析：4位精度下实现2.3倍推理加速
大型语言模型的参数规模和复杂度持续增长，量化技术已成为优化推理效率的核心手段，这一点在消费级和企业级硬件部署中尤为关键。 值得注意的是，NVFP4还对激活进行量化，但精度基本保持稳定，特别是与仅量化权重的NVFP4A16相比差异很小。 这一增长通过NVFP4使用较低位宽缩放因子（FP8 vs AWQ/AutoRound的更高精度）得到部分抵消。 测试结果还证实了激活量化对保持速度优势的关键作用——仅量化权重的NVFP4A16模型速度提升有限，仅略快于INT4模型。 从技术角度看，NVFP4模型的QLoRA微调是完全可行。NVFP4本质上只是一种数据类型和量化格式，QLoRA可以应用于任何格式和数据类型的量化模型。
91410编辑于 2025-11-15 - 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 , 当前是 4/4 拍 , 一个全音符有 4 拍 , 显示每个 16 分音符的格子 ; 这是设置了 " 1/32 " 量化预置参数 , 每拍显示 8 个格子 , 每个格子的长度是 32 分音符 ; 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 按钮 , 然后点击确定 , 此时 " 量化 MIDI 事件结尾 " 操作就被指定了快捷键 " Ctrl + F12 " ; 4、量化 MIDI 事件长度 量化 MIDI 事件长度 : 使用相同设置 " 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 ;
4.6K00编辑于 2023-03-28 重塑工业生产力：腾讯云智能体全栈架构与量化业务增长实践
兑现技术投资回报与关键运营指标优化 基于底层架构的全面升级，智能体在核心业务场景中产出了高度确定的量化业务价值。
18610编辑于 2026-04-05- 来自专栏华尔街科技眼
4年净利累增96.6%！海尔智家逐步释放增长潜力
股份回购，体现的是一家公司对自身业绩增长的信心。细心人已经发现，海尔智家更名换道4年来，其营收、利润均实现双增长。这其中，海尔智家归母净利润4年累计增长了96.6%。 4年净利累增96.6%，背后有4大支撑力那么，是什么支撑起了海尔智家持续的增长？仔细看海尔智家这4年的财报，可以清晰地看到海尔智家的增长主要源于这4个方面：一是海外业务。 从历史数据来看，过去4年期间，海尔智家的总体销售费用率下降了1.28个百分点。上述4大要素综合作用的结果，就是海尔智家近年来营收、盈利连年增长。 4大支撑力更具增长后劲，释放潜力事实上，目前更多人关注的是，已连续几年增长的海尔智家，未来能否实现持续增长？要回答这个问题，还是要看看支撑他增长的这4大要素，有没有增长空间，也就是后劲足不足。 看到这儿你会发现，上述4大要素不仅是海尔智家近年来营收、盈利连年增长的关键因素，也是海尔智家未来持续增长的4大支撑力，让其具备更强的增长后劲。写在最后：基业长青和稳健经营是企业的终极梦想。
38930编辑于 2023-07-12 诺基亚25Q4季度业绩符合预期，逆势增长3%
2026年1月29日，诺基亚官方公布2025年Q4财报，却让我们看到了这个百年老厂的曙光，这份财报显示诺基亚除了顶住了西伯利亚寒流的寒风刺骨，反而在2025年Q4业绩符合预期，净销售额增长了3%，相比于国内某巨无霸级别的大厂 诺基亚在这片红海里扑腾，日子过得是相当拧巴：营收增长像老牛拉破车，利润率薄得如纸巾那般薄。 直到诺基亚公布了2025Q4的这份新鲜出炉的财报，乍一看，会让人打个哈欠伸个懒腰：“就这？”全年营收差不多199亿欧元，比去年微涨了3%。第四季度营收61亿欧元，涨了2%。 • 第四季度，可比净销售额按固定汇率和业务组合基础计算同比增长3%（按国际财报准则计算，同比增长2%），基础网络业务与移动网络业务均实现增长。 因为科技史上的转型，九死一生，但25Q4财报至少显示，诺基亚经历25年的“自我革新”，重新聚焦行业主赛道的这个过程，注定伴随流血（现金流减少）、阵痛（利润下滑）和外界无尽的质疑的不利条件下，实现了增长3%
22810编辑于 2026-03-17
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