- 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（3）
上次咱们聊了聊市场催生的根本原因，是由于人们为了降低交易的成本而“发明”出来并一直保留至今的。在几千年的过程中，随着运输技术和信息技术的不断发展，市场正在以更快速的方式为我们提供者信息的交互能力，也就最大程度地降低了交互的成本。
41010发布于 2018-09-14 - 来自专栏量化投资与机器学习
3·15特刊：打假量化圈
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。 今天是3月15日，公众号为全网Quant带来一期特别策划内容——量化圈的那些割韭菜的人和事。 希望大家以后避免踩雷！ 『假』 大师 这一趴真的不想给很多人蹭热度！ 总结下来就是：太多了！ 『假』 培训 随着量化投资的普及，培训市场也是闻风而动，四面开花。朋友圈时不时的出现这样的分享及广告：9.9元Python量化入门到精通，9.9元人工智能量化培训，9.9元量化实战送100套策略。 入门； 3、借人工智能的幌子：讲一讲几个Python的机器学习工具包，就说自己是人工智能量化培训； 4、以数字币为标的：介绍一下个交易所的API接口，无意间给学员植入数字币量化致富的概念。 『假』 书籍 市面上的量化书籍太多了，太乱了，太无耻了...... 打开京东搜索“量化”，乱七八糟扑面而来！有种向地摊文学靠拢的迹象。
58020编辑于 2022-03-15 - 来自专栏机器之心
基于重排序的新量化方法RPTQ：实现大型语言模型的 3 比特量化
该工作首次将 LLM 模型的激活量化推向 3 比特。激活值的 3 比特量化同时也能与权重的 3 比特量化共同使用，大幅度降低了大型欲言模型的开销。 最近，GPTQ 使用 PTQ 成功地将 LLMs 的权重量化为 4 bit 或 3 bit。然而，对 LLMs 中的激活进行量化仍然是一项具有挑战性的任务。 图 3：一重排权重和激活的量化 Transformer 层的推断过程失意图。重排索引用符号 R1 到 R5 表示。 如图 3 所示，作者重新排序线性层的权重，使它们能够直接按照排序顺序产生激活。此外，作者修改了 LayerNorm 的方法，使其能够直接产生重新排序的激活，从而省去了在推理过程中进行显式通道调整。 此外，作者还开发了一种新的量化方案，W4A4KV、W4A3KV 和 W3A3KV，只对主要内存的消耗 —— 键缓存和值缓存（Key/Value Cache）进行量化。
1K20编辑于 2023-04-11 - 来自专栏各类技术文章~
vue3了，试试轻量化的Vuex -- Pinia？
vue3了，试试轻量化的Vuex -- Pinia？ 一， pinia介绍 Pinia 是 Vue.js 的轻量级状态管理库，最近很受欢迎。 它使用 Vue 3 中的新反应系统来构建一个直观且完全类型化的状态管理库。 Pinia的成功可以归功于其管理存储数据的独特功能(可扩展性、存储模块组织、状态变化分组、多存储创建等)。 ，安装使用Pinia 在项目根目录中打开终端，输入以下命令 yarn add pinia@next # or with npm npm install pinia@next // 该版本与Vue 3兼容 webkit-font-smoothing: antialiased; -moz-osx-font-smoothing: grayscale; text-align: center; color: #2c3e50 webkit-font-smoothing: antialiased; -moz-osx-font-smoothing: grayscale; text-align: center; color: #2c3e50
1.9K50发布于 2021-11-04 - 来自专栏HappenLee的技术杂谈
ClickHouse源码笔记3:函数调用的向量化实现
分享一下笔者研读ClickHouse源码时分析函数调用的实现，重点在于分析Clickhouse查询层实现的接口，以及Clickhouse是如何利用这些接口更好的实现向量化的。 (当前ClickHouse不支持使用Explain语句来查看执行计划，这个确实是很蛋疼的~~） ClickHouse的执行PipeLine 这里分为了3个流 ExpressionBlockInputStream block.columns(); block.insert({ nullptr, result_type, result_name}); 3. 计算的最终结果 3.要点梳理 第二小节梳理完成了一整个函数调用的流程，这里重点梳理一下实现向量化函数调要点： ClickHouse的计算是纯粹函数式编程式的计算，不会改变原先的列状态，而是产生一组新的列 (这里可以打开gcc的编译flag:-fopt-info-vec或者clang的编译选项：-Rpass=loop-vectorize来查看实际源代码的向量化情况) 4.
2.5K30发布于 2021-02-22 - 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 事件结尾 量化 MIDI 事件结尾 : 首先选中左侧的 " 量化类别 / 量化 MIDI 事件结尾 " , 点击右侧的 " 输入快捷键 " 下方的输入框 ; 输入快捷键后 , 点击 " 指定 " " 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 ;
4.8K00编辑于 2023-03-28 - 来自专栏ipd研发管理
IPD价值量化与商业闭环（3）：研发效率、成本与质量的三维量化体系
3、研发工时利用率：资源效能的量化定义：研发工时利用率是指研发人员实际用于研发项目的有效工时占总制度工时的比例。 3、返工成本占比：质量成本的量化定义：返工成本占比是指项目中因质量问题导致的返工成本占项目总研发成本的比例，是衡量质量成本的核心指标。 实施要点：①明确统计周期：通常统计产品发布后3个月或6个月内发现的缺陷，以确保数据的完整性。②区分缺陷严重程度：重点关注致命和严重缺陷的逃逸率，这些缺陷对客户体验和产品声誉的影响最大。 3、评审一次通过率：过程质量的量化定义：评审一次通过率是指在统计周期内，首次通过技术评审(TR)和决策评审(DCP)的项目数量占总评审项目数量的比例，是衡量研发过程质量的核心指标。 3、体系落地的核心原则在体系落地量化过程中，需坚守四大通用原则，保障数据精准有效、适配企业长期发展。
22410编辑于 2026-07-14 - 来自专栏联远智维
轻量化设计在3D打印中的应用
3D打印通过逐层叠加原材料的方式，可以实现传统制造业难以解决的个性化、复杂的、高难度的制造难题，是传统制造技术的一次重要革命，广泛应用于汽车、航空、航天、医疗、教育、电子产品等领域，如下图所示。 其中，采用3D 打印方法进行产品设计所包含的关键技术主要有：1、选用何种打印材料，采用何种打印机（打印原理），如何能够降低成本？2、如何进行产品结构设计，得到所需要的三维模型？ 众所周知，产品结构设计依赖具体的实际问题，需要相关经验的积累，因此，本推文主要是针对3D打印（产品初期母版的实现）如何选材问题，结合自己的经验对相关的内容进行总结归纳，希望对其他人有所帮助。 于此同时，3D打印与打印件的重量有直接的关系，因此，设计阶段采用轻量化结构设计，指导产品结构的选型，相关参数的选取，进而降低打印件的质量，提高打印件的性价比，对该技术的推广具有重要的意义。 例如：需要设计一款台灯支架，具体要求为：1、能够作为具有一定的刚度；2、台灯发光过程中具有部分热量辐射到支架上，使之温度升高（具有一定耐温性）；3、尽可能实惠。
2.1K20编辑于 2022-01-20 - 来自专栏DrugScience
超量化合物库筛选策略–P3
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 具体步骤： 3. Chemical Science 10, 370–377 (2019). doi: 10.1039/c8sc04228d [3] https://github.com/open-reaction-database
71020编辑于 2022-05-17 - 来自专栏图像处理与模式识别研究所
图像量化
from skimage import data from matplotlib import pyplot as plt image=data.coffee()#原始图像 ratio=128#设置量化比率 range(image.shape[2]):#图片通道数 image[i][j][k]=int(image[i][j][k]/ratio)*ratio#对图像中的每个像素进行量化 本文的图像量化过程是将256级的彩色图像量化到2级的彩色图像。 量化等级越多，量化比率越低，所得图像层次越丰富，灰度分辨率越高，图像质量好，但数据量大；量化等级越少，量化比率越高，图像层次欠丰富，灰度分辨率低，可能会出现假轮廓，图像质量变差，但数据量较小。 图像量化的作用是在一定主观保真图像质量的前提下，丢掉对视觉影响不大的信息，以获得较高的压缩比。
85420编辑于 2022-05-28 Python 量化
Python 量化是指利用 Python 编程语言以及相关的库和工具来进行金融市场数据分析、策略开发和交易执行的过程。 Python 由于其简洁、易学、强大的生态系统和丰富的金融库而成为量化交易的首选编程语言之一。 量化交易在金融领域得到广泛应用，它允许交易者通过系统性的方法来制定和执行交易策略，提高交易效率和决策的科学性。 量化主要是通过数学和统计学的方法，利用计算机技术对金融市场进行量化分析，从而制定和执行交易策略。 更多 Python 量化内容可以查看：Python 量化交易。 实例应用 接下来我们先看一个 Python 量化简单的应用实例，可以使用移动平均策略，使用雅虎金融数据来实现。 该策略的基本思想是通过比较短期和长期移动平均线来生成买入和卖出信号。
59010编辑于 2025-12-16- 来自专栏算法之名
量化交易
针对可交易的投资商品，理性地运用逻辑分析和回归统计判断市场趋势称为量化交易。 量化策略 量化策略就是赚钱"因子"，可以分为基本面和技术面。
65210编辑于 2024-08-21 极致量化，近三千亿参数 Hy3 单卡即可部署
Hy3 上线并开源后，社区一直在呼吁量化版本，希望单卡跑参数量达 295B 的 Hy3。大家都在讨论，能不能在配置有限的机器上，把 Hy3 这样的旗舰模型也跑起来，哪怕在精度上做一些让步？ 为此， 腾讯混元团队针对开源社区需求，把 Hy3 的权重量化到 1bit 与 4bit 并打包成 GGUF，配合 llama.cpp 生态，让原本只能跑在多卡集群上的模型，最少一张推理显卡、乃至内存充足的本地机器也能跑起来 1bit, 4bit 以及 BF16 Hy3模型 游戏编程示例1bit塞进单卡，4bit接近满血我们首先提供了 1bit 极限量化版本 IQ1_M，把权重从 598 GB 一路压到 85.5GiB，整整缩小了 同时，我们也提供了 4bit 量化版本 Q4_K_M，体积 169.9GiB，两张推理显卡即可承载，如果目标是在有限资源成本内拿到更接近满血模型的效果，推荐就选 Hy3 4bit 版本。 压下去了，能力却没塌判断量化好不好，最直接的是看它和原始模型的输出分布有多接近。
37420编辑于 2026-07-15- 来自专栏机器学习、深度学习
模型量化
下图显示不同量化策略对速度的提升影响 ? 量化卷积过程 ? 加速策略： AND, XOR and bitcount operations 训练过程 ? 分类性能对比 ?
96210发布于 2019-05-26 - 来自专栏算法码上来
【白话模型量化系列一】矩阵乘法量化
然后整数矩阵 的数值范围其实就是有符号整数的表示范围 ， ，为了实现的简单，我们只量化到 ，这样就和 一样关于零点左右对称了。 如果我们强行还按照 的范围来量化relu结果 的话会怎么样呢？这样会导致整数区间 永远不会有数字，因为根本没有负数浮点数的存在。这样就白白浪费了127个整数，就会导致量化的精度大大受损。 总结 如果矩阵乘法两个输入的范围都是关于零点对称的，那么计算公式为： 「量化：」 「反量化：」 如果矩阵乘法其中一个输入是relu的结果，那么计算公式为： 「量化：」 「反量化：」 当然还有很多其他情况 此外为了减小量化的损失，还需要在模型结构中插入伪量化节点，然后进行量化感知训练（QAT）。接着还需要将finetune后的模型存储为int8格式。然后还需要开发加载int8模型的推理加速库代码。 网上关于量化的优秀教程非常多，我不会讲太多理论上的量化知识，只会从实践的角度来白话一下我们在Transformer模型量化过程中做的一些尝试。
1.4K20发布于 2021-12-02 - 来自专栏PPV课数据科学社区
十年量化老兵谈量化：玩转量化投资你需要这些技能
第二次买认购证时，我竟然中了上海石化，5元的认购证成本加上3元的股价，很多年都没翻身（当时大部分中签的都是赚的，唯独上海石化是亏的）。 比如说分级A轮动，传统的是分成+3、+3.5、+4分开来轮动，其基本思想完全是价值投资思想，但我用了最小二乘法（又称最小平方法，是一种数学优化技术。 “构建量化模型的四个步骤：猜想、建模、回测、实战” 问：具体而言，您是如何构建量化模型的吗？如何确定量化因子的？ 持有封基：量化四步骤——猜想、建模、回测、实战。 任何有逻辑或者看起来没有逻辑的关系都可以成为量化模型，但到最后能真正进入大规模实战的比例非常低，大概100个方案中通过回测和小资金实盘会被我否认掉97个，即使留下来的3个策略，还必须不断的根据外界的变化而修正 “做好量化投资：有数学天赋很重要” 问：你做量化差不多十年了，在您看来要做好量化投资，需要做些什么准备？ 持有封基：除了热爱投资，还需要热爱数学，热爱量化，这是最根本的。
2.8K62发布于 2018-04-24 - 来自专栏小明的博客
量化交易
量化投资没有确切的定义，它泛指通过数学分析、挖掘价格波动规律，或者通过对相关宏观经济、财务数据、量价关系、资金交易等数据进行建模，寻找数据之间的关系，以获得稳定利润为目标，持续计算生成定量化的投资信号 多资产多策略配置: 对冲风险更高收益 技术信息理论的三大假设 市场行为包容消化一切信息 市场运行以趋势方式演变 历史会重演（我们可以通过历史数据来推断未来走势 绩效评估指标 绩效指标也被称为风险指标，它们也是量化投资的基石
2.8K20编辑于 2022-09-06 - 来自专栏NetCore
平民化量化平台-刚米量化
3、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。 4、概率取胜。 普通人是否适合量化？ 1 其实普通人很难进行量化，因为量化的基础是基于历史大数据，如果实盘还需要实时数据，这些都是很耗费人工和资金的。 3 再则，你还需要可以回测，因为当你指定一种策略的时候，不知道效果如何，所以需要通过历史数据的回测，这又是工程巨大的一件事情。 在刚米量化平台你可以做什么？ 1 简单的策略设置 2 支持5分钟级别的回测 3 可以通过钉钉传送交易信号 4 也可以支持实盘（但需要对接相应的券商） 策略的话目前可能比较少，日后我会逐渐增加策略，用最少的配置去使用量化平台。
99030编辑于 2022-09-16 - 来自专栏量化小白上分记
从零开始学量化（一）：量化如何入门
作为在校生，进入量化行业的途径一般是首先自己在学校能掌握一定的量化基础，然后去企业找实习，最终通过实习/秋招留用。实习一般是去卖方研究所金工组、买方私募公募资管自营等各种机构，这里不介绍，可百度。 关于量化基础，实际上可以总结为三方面的能力：金融背景、数学功底和编程能力，编程能力是门槛，编程不好，什么都白谈。 接下来分别从量化、数学、金融三个角度说明。 ? 数据可视化能力 不论是做数据分析还是量化，可视化都是非常重要的，不过量化方向可视化要求相对低一些，毕竟逻辑和结果更重要。 这方面需要会的东西包括： - 宏微观经济学：了解刻画宏观经济运行的各种经济指标的含义，以及公布的时间点，频率等等，这在量化建模中非常重要，现在有很多研究所都在从宏观基本面做量化择时和经济周期预测，至于课本里学的
15.8K97发布于 2019-04-24 - 来自专栏AI算法与图像处理
Pytorch量化入门之超分量化（一）
这里，我们给出一个tensor量化的简单示例： x = torch.rand(3, 3) print(x) x = torch.quantize_per_tensor(x, scale=0.2, zero_point =3, dtype=torch.quint8) print(x) print(x.int_repr()) 一个参考输出如下所示： ? : nnq.DeQuantize, nn.BatchNorm2d: nnq.BatchNorm2d, nn.BatchNorm3d: nnq.BatchNorm3d, nn.Conv1d : nnq.Conv1d, nn.Conv2d: nnq.Conv2d, nn.Conv3d: nnq.Conv3d, nn.ConvTranspose1d: nnq.ConvTranspose1d : nniq.BNReLU3d, nni.ConvReLU1d: nniq.ConvReLU1d, nni.ConvReLU2d: nniq.ConvReLU2d, nni.ConvReLU3d
3.5K22发布于 2021-02-05
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