- 综合排序
- 最热优先
- 最新优先
- 来自专栏测试技术圈
研发效能提升，测试如何量化度量
在VUCA的互联网环境下，需求变更越来越快，交付周期却越来越短，如何量化测试工作？如何提高效能？ 我们来看看来自京东的张乐大神的解答 ? 现有的研发效能度量方式不足 ? 研发效能度量的正确姿势 JD对软件研发效能的度量，以下两个基本原则为主： 1. 聚焦在全局指标而不是局部指标 我们要促进跨越职能和功能，在团队内、团队间彼此高效协作。 2. 研发效能度量指标三个维度 交付效率、交付质量和交付能力，这些指标的提升需要组织进行管理、技术、协作等多方面的系统性改进。 ?
2.8K10发布于 2019-12-19 - 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。
71420发布于 2018-09-14 - 来自专栏DevOps
【DevOps系列】效能洞察4步走：金融企业效能度量转型实践
01、引言 通过一系列文章，我们深入探讨了效能洞察的重要性，并且强调了企业在实施之前必须完成的前期准备工作。 因此，企业须充分重视并积极实施效能度量，借助有效的数据分析和洞察，推动行业的持续创新和发展。 在本文中，我们将分析一个金融企业效能洞察的案例，展示效能洞察对企业所带来的显著效果。 02、案例 某大型企业规模庞大，业务复杂，旗下员工数量接近3000人。 因此，该企业决定积极推动度量改革，并打造全集团的效能度量平台，期望通过数据洞察辅助提升效能，实现持续改进。 计划采取的步骤如下： 1 规划集团指标 2 采集集团数据 3 指标设计展示 4 平台推广使用 在上述建设过程中，该企业面临了一系列问题，但经过采取针对性的改进措施，这些问题已逐步得到解决。 1.
20600编辑于 2024-12-18 AI漏洞猎人：破解代码漏洞挖掘痛点，量化提升安全效能
产品效果稳定” 量化AI漏洞猎人的应用成效 关键ROI指标（数据来源：原文“落地成效：评估工程与挖掘成果”）： 已知漏洞召回率>90%（基于50个靶场测试）； 时间成本<15分钟（10万行代码内
25110编辑于 2026-04-04- 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。 ? ? ? ?
89820发布于 2019-11-13 - 来自专栏数据工人
团队管理：高效能团队的4个阻碍
毕竟，大学，也就短短4年，很多人都回忆不起大学除了谈恋爱还学了啥了。 其实，上述的解读，也应并不是达克效应的本意。 达不到团队协同，怎么可能有好的团队效能？ 李善友说，成人学习的目的，是追求更好的思维模型，而不是增加更多知识量。 他认为他很努力了，但是总是不能真正解决问题，他做的事，总要你或者你认为「靠谱」的人去检查一遍，他团队效能一定是很差的。
72510发布于 2020-03-04 腾讯云政府数字化转型实践：数据整合、智能服务与效能量化
量化应用成效与客户价值落地 深圳市政务服务和数据管理局（市级大数据平台和数据库项目） 建设统一大数据湖：接入30+单位，累计汇聚超600亿条数据，支撑150个主题库专题库建设，918TB数据存储，通过大数据商城发布 量化效能验证：多客户实践验证效能，如深圳政数局数据汇聚600亿+、邯郸公积金满意度90%+、宝安区办理时长缩短35%（来源：第三章数据）。
17210编辑于 2026-04-11WeTest游戏质量监测解决方案：全生命周期质量保障与量化效能提升
量化应用效果与客户价值 聚焦ROI关键指标，应用效果如下： 系统稳定性：承诺99.9% SLA，依托数据中心级移动机房、自研硬件、40Gbps专用互联网线保障测试流程稳定高效（数据来源：Tencent 方案在两类场景落地： 开放世界游戏（复杂系统、高自由度、体验导向）：性能测试聚焦沙盒玩法渲染分析，性能监控覆盖全平台崩溃异常，功能测试用自定义标签复现问题，兼容测试覆盖高低端机型； 休闲游戏（下沉市场、轻量化
12010编辑于 2026-04-23- 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 腾讯云AI互联网行业解决方案：量化效能提升与场景化应用实践
多场景量化应用效果与客户价值 游戏NPC：动态交互重塑沉浸感 巨人网络《太空杀》：接入腾讯混元Turbo S大模型，2亿注册玩家与超700万智能NPC在线竞技，上线首月AI参与近90万场对局，生成超700
29920编辑于 2026-04-12AI驱动汽车行业全域升级：数据基础设施重构与业务效能量化提升
实现核心业务指标的量化跃升 通过部署一体化平台与场景智能体，车企在研发、销售及数据工程等维度的核心业务指标获得显著提升（核心ROI指标）： 研发与决策敏捷性重构： 产品分析效率提升 90%+（常规业务分析周期由 引入腾讯流湖一体引擎「Setats」后，在同一份存储上实现流/批/增量统一计算，取得以下量化成效： 运维成本大幅削减： 总体TCO降低 30%+。
17310编辑于 2026-04-22重塑金融云数字安全底座：基于“数字免疫力”的四道防线与量化业务效能
在有限的成本与资源下，行业普遍面临防御手段被动与安全基础建设匮乏的战略困境，具体表现为以下量化特征： 外部实战化威胁加剧： 2024上半年全网漏洞爆发2万+，而金融行业修复率仅为34%（数据来源：国家信息安全漏洞库 落地“数字安全免疫力”范式，部署“4+N”云原生纵深防御体系 面对愈加复杂的合规监管与业务连续性要求，企业亟需转变思维，建立以数据驱动和实效性验证为基础的现代云安全治理框架。 部署“4+N”防线矩阵： 整合散点结构，构筑网络与云防火墙（边界管控）、Web应用与小程序网关（应用防护）、主机与容器安全（基础设施）、数据生命周期加密（核心资产）四道标准化防线；横向延伸出覆盖金融反欺诈 安全运营效能指数级飞跃（某农商行）： 通过自动化策略与持续调优，将安全运营管理中心日均20万条告警归集收敛至百条，整合率高达99%；日常威胁分析时间由原先的日均4小时降至30分钟。
11610编辑于 2026-04-26- 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]);!
59710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。
53710编辑于 2025-07-17- 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。
14610编辑于 2026-02-10 - 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
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。 本文将基于我在多个实际项目中的量化实践经验，深入剖析INT8和INT4量化技术的原理、实现方法和性能表现。 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
2.2K21编辑于 2025-08-20 - 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
传统INT4量化在推理过程中无法直接处理4位数值，必须先将INT4权重反量化为16位数值才能进行计算，这一额外步骤虽然在SGLang和vLLM等现代推理框架中已经高度优化，但仍然产生计算开销并限制了整体速度 无需反量化操作直接带来了更高的推理吞吐量。 如果希望保持激活精度以最大化模型准确性，可选择NVFP4A16方案，该方案仅量化权重，通常无需校准数据集。 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。 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。
1K10编辑于 2025-11-15
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