首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏奇点大数据

    话说量化11

    有关价格变化的问题,其实我们前几次也是聊过的,动因说到底是人类自身趋利避害的性格本质造成的。

    41120发布于 2018-12-17
  • 来自专栏大侠之运维

    量化的远控工具

    natpass:轻量级远程控制工具在今天的数字化时代,远程控制工具变得越来越重要,无论是用于远程技术支持、服务器管理还是其他远程操作。 natpass是一款轻量级的远程控制工具,它提供了强大的功能和安全性,使您能够轻松地远程管理您的计算机和服务器。本文将介绍natpass的功能、部署过程以及如何使用它,帮助您充分了解这个有用的工具。 natpass的功能与特性natpass提供了一系列功能和特性,使其成为一款强大的远程控制工具。 这些功能和特性使natpass成为一款功能强大且灵活的远程控制工具,适用于各种远程管理需求,无论是个人用户还是企业用户都可以受益。 如果您正在寻找一款可靠的远程控制工具,不妨考虑使用natpass。通过本文介绍的部署过程,您可以轻松地开始使用natpass,并充分利用其强大的功能。

    71210编辑于 2024-10-09
  • 来自专栏巴山学长

    量化计算工具包parsec共享

    PVOX可视化工具包文末附上。 1.解压PVOX,打开pvox.m文件如图: ? 2.运行程序导入parsec.out、wfn.dat文件 ? 3.如果没有出错的话,你应该会看到这幅图: ?

    2.3K20发布于 2020-05-07
  • 来自专栏GEE遥感大数据学习社区

    快速测绘和量化地球表面边缘变化的GEE工具-数字化工具(GEEDiT)和边缘变化量化工具(MaQiT)

    这里介绍了三种新的、可免费使用的工具,它们可以一起用于处理和可视化,Landsat 4-8和Sentinel 1-2卫星存档数据,能够在很短的时间内实现高效的绘图(通过手动数字化)和自动量化边缘变化。 这些工具对各种遥感专家的用户都是高度可访问的,在访问方面几乎没有计算、许可和知识方面的障碍。 边缘变化量化工具(MaQiT)是GEEDiT和GEEDiT Reviewer的补充,允许通过使用两种已建立的方法(以前用于测量冰川边缘变化)和两种新的方法,通过类似的简单GUI快速量化这些边缘变化。 MaQiT的开发初衷是量化潮汐冰川末端的变化,尽管工具中包含的方法有可能广泛应用于地球表面科学的多个领域(例如,沿海和植被范围的变化)。 这些工具将使地球科学领域的广泛研究人员和学生能够有效地绘制、分析和访问大量数据。 作者简介 James Lea M.A.

    84520编辑于 2022-09-20
  • 来自专栏数据科学(冷冻工厂)

    11 个必备 Docker 工具

    这里有一份关于一些关键 Docker 工具的详细指南[1],它们能够简化你的工作流程,无论你是 Docker 新手还是资深用户。这些工具能够助你更高效地监控、诊断问题和管理 Docker。 1. Dive Docker 镜像层分析工具 Dive 是一款工具,它能够助你逐层剖析 Docker 镜像,这在识别镜像中哪些部分占用空间以及潜在的优化区域时非常有用。 Dockly 交互式 Docker 管理工具 Dockly 是一款终端环境下的 Docker 管理工具,它提供了一个用户友好的交互界面,让你能够直接通过命令行来管理容器。 此外,Docker Desktop 还内置了 Docker Compose、Docker CLI 等重要工具。 它还包含了用于监控和诊断容器问题的工具,并能够与 Docker 生态中的其他工具无缝配合使用。 11.

    1.7K10编辑于 2024-12-30
  • 来自专栏AI技术探索和应用

    快速上手chatglm.cpp模型量化工具

    下载代码 git clone --recursive https://github.com/li-plus/chatglm.cpp.git && cd chatglm.cpp 量化模型 支持量化的模型包括 python3 chatglm_cpp/convert.py -i THUDM/chatglm-6b -t q4_0 -o chatglm-ggml.bin 运行模型 cpp工具运行 编译工具 cmake 注意修改量化后模型的名称和地址。 MODEL=. 注意修改量化后模型的名称和地址。 MODEL=. 79 83 106 189 372 ms/token (CUDA @ V100 SXM2) 9.7 9.4 10.3 10.2 14 19.1 33 ms/token (MPS @ M2 Ultra) 11

    3.5K51编辑于 2024-03-13
  • 来自专栏产品的技术小课

    效率工具推荐(第11期)

    传送门:http://www.papakaka.com/ 7、考拉新媒体导航 这是学习新媒体的各种工具大合集网站。 里面的小工具特别多,包括作图工具、实时热点、热点日历、排版工具、高清图库、各大媒体数据、舆情数据、网址加工、视频制作工具等等。 工具比较全面,适合运营新手。 --- end ----

    1.2K10编辑于 2022-04-01
  • 来自专栏啄木鸟软件测试

    精准测试及其工具(连载11

    5星云工具云报表平台说明 5.1登录WEB平台 浏览器中输入http://<服务器IP地址>:3000/,登录系统,点击确定。然后选择客户端所编译的项目和版本。如图83所示。 ?

    61720发布于 2019-12-12
  • 来自专栏贾志刚-OpenCV学堂

    使用NNCF(神经网络压缩框架)量化与压缩YOLO11

    NNCF提供了一系列的训练时量化与训练后量化神经网络的接口支持,支持ONNX、OpenVINO、Pytorch等多种模型格式的压缩与量化。 同时NNCF不光支持CNN系列模型的压缩与量化,还支持大模型(包含LLM与VLM)压缩与量化转换。 训练后量化(PTQ)YOLO系列INT8 这里以YOLO11为例,实现自定义YOLO11对象检测模型的训练后量化,通过PTQ在维持精度的同时大幅提升推理速度。 PTQ 是最简洁的INT8量化方法,只需要模型和一个小的 (~300 个样本) 校准数据集即可实现对模型的INT8量化。 还是以YOLO11为例, 权重压缩INT8对称模式: 权重压缩INT8非对称模式 运行对比 CPU 酷睿i7 11th 直接同步推理模式下: 使用FP32的流水线异步推理 使用INT8量化版本的YOLO11

    12110编辑于 2026-04-02
  • 来自专栏强仔博客

    专为 Telegram 设计的轻量化自建代理工具

    最近有人给我推荐了个代理软件,查了下发现是专门为 Telegram 开发的代理软件,代理服务端限制了客户端只允许访问 Telegram 的服务器。

    7.7K31编辑于 2021-12-20
  • 来自专栏有三AI

    【杂谈】当前模型量化有哪些可用的开源工具

    模型量化属于模型优化中的重要技术之一,是非常有效地提升模型推理速度的技术方案,那么当前有哪些可用的模型量化工具呢? 如果想使用该工具包,需要安装tf-nightly or tf-nightly-gpu。不过会有一些环境冲突,所以体验者最好做好环境隔离工作。 https://github.com/NVIDIA/TensorRT caffe-int8-convert-tools是一个Caffe模型量化工具,基于TensorRT2.0。 https://github.com/BUG1989/caffe-int8-convert-tools 3 PaddleSlim PaddleSlim是百度提出的模型量化工具,包含在PaddlePaddle https://github.com/microsoft/nni keras,Core ML的相关量化开源工具如下 https://github.com/google/qkeras https://github.com

    2.4K21发布于 2019-12-25
  • 来自专栏kali blog

    一款轻量化的远程连接工具-NxShell

    最离不开的工具便是远程连接工具了。工作中常见的工具有XshellFinalshell等。 但每款工具都有自身的优点和不足,在这里給大家分享一款比较轻量化工具NxShell NxShell是一款开源的远程连接工具,支持Windows/Linux/MacOS系统及多种协议(SSH、SFTP、FTP

    30510编辑于 2025-07-28
  • 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 , 为其设置 " Ctrl + F11 " 快捷键 ; 注意选择的 " 量化预置 " 与 " 长度量化 " 参数 , 都是 " 1/16 " 设置 ; 五、对 MIDI 进行量化操作 ---- " Ctrl " 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
  • 来自专栏Android 开发者

    聚焦 Android 11:游戏开发新工具

    作者 / Android 与 Google Play 游戏产品管理主管 Greg Hartrell 在往期 #11WeeksOfAndroid 系列文章中我们介绍了 联系人和身份、隐私和安全、Android 11 兼容性 、开发语言、Jetpack、Android 开发者工具 、Google Play 应用分发与盈利,本期将聚焦 游戏开发 ,帮助您更好地了解您的游戏表现,覆盖更多设备和新受众,并通过 Google 使用 Google Play 工具保护游戏完整性和公平性 : 降低获利和发行滥用的应对成本,保护您的游戏、玩家和业务。 您可以前往 官方文档 了解这些工具和更多内容,也可以订阅 游戏季度简报 获知最新信息。 更多精彩 您可以查看 #11WeeksOfAndroid 视频内容的 完整播放列表,或前往官方网站详细 了解更多主题。我们将持续聚焦每期的新领域,敬请留意,也请继续关注我们,期待您的反馈。

    1K20编辑于 2022-09-21
  • 深入对比分析四款内网穿透工具:多协议工具、自建型工具、轻量化工具、企业级工具

    本文从功能、性能、安全性、易用性、成本等维度,深入分析四款主流内网穿透工具(以下分别以“多协议工具”、“官方托管工具”、“轻量化工具”、“企业级工具”代称),为用户提供客观参考。1. 官方托管工具 以简单易用为主,但由于连接方式依赖官方服务器,适合对性能需求较低的临时场景。轻量化工具 针对个人用户设计,功能上更注重简化配置,适合轻量化和非复杂场景。 官方托管工具 的安全性主要依赖官方平台,适合普通敏感度的项目。轻量化工具 的安全机制较为基础,适合个人或非敏感数据的场景。 轻量化工具 的一次性购买模式对个人用户更友好。企业级工具 其硬件和服务结合的模式为企业提供了更高的性价比。6. 轻量化工具:面向个人用户和轻量化场景,使用门槛低,但性能和安全性相对一般。企业级工具:最佳选择为企业用户,特别是需要高安全性、低延迟和智能组网优化的场景。

    86310编辑于 2025-07-04
  • 来自专栏啄木鸟软件测试

    LoadRunner12工具介绍(连载11

    要测试的场景是:进入电子商务网站,输入用户名和密码。点击【登录】按钮,测试登录事务的性能。在这里采用“单协议->WEB-HTTP/HTML”。录制脚本如116所示。

    82420发布于 2019-12-12
  • 来自专栏啄木鸟软件测试

    单元测试工具(连载11

    图31 配合allure生成pytest 测试报告之Features定制 Title和Desc定制 案例11:配合allure生成pytest 测试报告之Title和Desc定制。

    75230发布于 2019-12-12
  • 来自专栏磐创AI技术团队的专栏

    TensorFlow 模型优化工具包  —  训练后整型量化

    最初,我们通过“混合运算”为训练后量化提供支持,该方法可量化模型参数(例如权重),但以浮点方式执行部分计算。今天,我们很高兴宣布推出一款新工具:训练后整型量化。 与量化感知训练相比,此工具更易于使用,并可在大多数模型中实现出色的准确率。目前可能仍存在需要进行量化感知训练的用例,但我们希望随着训练后工具的不断改进,这种情况会越来越少。 CPU 大小和延迟时间,即应使用“混合”训练后量化工具。 如果旨在大幅改进 CPU 或兼容固定点加速器,则应使用此训练后整型量化工具;若会影响模型准确率,则可能还需使用量化感知训练。 9converter.optimizations = [tf.lite.Optimize.DEFAULT] 10converter.representative_dataset = tf.lite.RepresentativeDataset( 11

    1.8K50发布于 2019-07-10
  • 来自专栏量化投资与机器学习

    转移熵:量化非线性因果关系的有力工具

    量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。 自从Schreiber 2000引入以来,转移熵已经被认为是分析非线性系统中因果关系的重要工具(Hlavackovaschindler et al. 2007)。 然而,统计工具可以帮助我们从因果关系中判断相关性。在本文中,我们介绍了格兰杰因果关系的概念及其在线性向量自回归框架中的传统实现。 最后,我们展示了如何使用转移熵来量化全球股票指数之间的关系。我们还讨论了文献中的进一步应用,其中信息理论措施被用于量化投资者情绪和股票之间的因果关系。 Python中计算Transfer Entropy的工具库: https://github.com/ZacKeskin/PyCausality 参考文章:https://towardsdatascience.com

    2.1K40编辑于 2022-07-01
  • 来自专栏1000+优质开源项目推荐

    量化工具!推荐一款免费+开源支持全自动和半自动的量化交易系统

    项目介绍Northstar盈富量化平台是国内顶尖的基于Java的开源AI量化交易平台,可媲美文华、MC和金字塔。平台拥有历史回放、策略研发、模拟交易和实盘交易等功能,适用于全自动和半自动交易场景。 项目特点适用人群:专业量化操盘手、全栈技术爱好者、小型私募技术团队这是一款全面的一站式交易平台,支持灵活对接不同的交易所。平台集成了TensorFlow框架,可运行预训练模型指导交易,显著提高成功率。

    3.5K20编辑于 2024-12-23
领券