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(5)

    钱是越多越好吗?这个问题似乎不用回答,那是肯定的啊。试问在座的各位看客哪位不是在挣钱,挣更多的钱,挣更多更多的钱的路上奔跑着的呢?钱是一种交换物质(当然也可以是精神层面的)的重要工具,对于每个人都很重要。所以狭义来说,钱当然是越多越好。

    60310发布于 2018-09-14
  • 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。 ? ? ? ?

    98920发布于 2019-11-13
  • 来自专栏AI智韵

    YoloV5改进策略:RefConv打造轻量化YoloV5利器

    我们使用RefConv替换YoloV5中的卷积,既能提高精度,又能降低运算量,使得模型更加轻量化! YoloV5官方结果 YOLOv5l summary: 267 layers, 46275213 parameters, 0 gradients, 108.2 GFLOPs c17 230 131 0.992 0.992 0.995 0.797 c5 tu-22 230 98 0.983 1 0.995 0.788 测试结果 YOLOv5l c17 230 131 0.984 1 0.995 0.839 c5

    34910编辑于 2024-10-22
  • 来自专栏Python数据科学

    Python 量化交易神书面世,赠送 5 本

    前不久,收到清华大学出版社赠送的 《深入浅出Python量化交易实战》 一书,也答应了出版社要写一些读书笔记,今天就来交作业了。 下面是我参考书中内容做的一些简单尝试,仅供学习参考。 这本书对于使用Python玩量化的初学者们,还是很友好的,感兴趣可以考虑入手一本看看。 笔记① 用Python绘制出股价的5日均线和20日均线。 众所周知,5日均线是短线交易的生死线,而20日均线是中长线趋势的分水岭。因此,基于这两条均线,可以设计出一些简单的交易策略。 能够看到最早的数据到2021年的10月8日: 然后我开始添加5日和20日均线 price['ma5'] = price['Adj Close'].rolling(5).mean() price['ma20 fig.add_subplot(111, ylabel='Price') price['Adj Close'].plot(ax=ax1, color='g', lw=2., legend=True) price.ma5.

    1.2K20编辑于 2022-03-11
  • 来自专栏叶子的开发者社区

    【yolov5】onnx的INT8量化engine

    GitHub上有大佬写好代码,理论上直接克隆仓库里下来使用 git clone https://github.com/Wulingtian/yolov5_tensorrt_int8_tools.git 然后在yolov5_tensorrt_int8_tools的convert_trt_quant.py 修改如下参数 BATCH_SIZE 模型量化一次输入多少张图片 BATCH 模型量化次数 height 成功量化后的模型大小只有4MB,相比之下的FP16的大小为6MB,FP32的大小为9MB 再看看检测速度,速度和FP16差不太多 但是效果要差上一些了 那肯定不能忘记送上修改的代码,折腾一晚上的结果如下 cv2 BATCH_SIZE = 1 BATCH = 79 height = 640 width = 640 CALIB_IMG_DIR = '/content/drive/MyDrive/yolov5/ DataLoader() engine_model_path = "runs/train/exp4/weights/int8.engine" calibration_table = 'yolov5_

    1.4K70编辑于 2023-11-13
  • Fable 5 金融量化实战之永续合约技术分析

    输入图片并增加提示词如下: 你是一个专业的加密货币量化工程师,我需要你分析这个永续合约的庄家套路以及未来的走向,并在原图中进行标注画图讲解 一、庄家操作复盘(按时间线) 阶段 1:横盘控盘 / 吸筹(06

    28700编辑于 2026-07-09
  • 来自专栏GiantPandaCV

    NCNN+Int8+yolov5部署和量化

    ncnn+int8量化的教程,却在yolov5的量化上遇到了麻烦,一方面是量化后速度更慢了,另一方面是精度下降严重,出现满屏都是检测框的现象,后来经过很多尝试,最终都以失败告终。 再后来,还是决定换其他方式对yolov5进行量化,一是即使最小的yolov5s模型量化后能提速,依旧满足不了我对速度的需求,二是对于Focus层,不管使用哪个向前推理框架,要额外添加对Focus层的拼接操作对我来说过于繁琐 -Yolov5 更轻更快易于部署的yolov5 这篇博客,还是接着上一篇yolov4量化的工作,对yolov5进行ncnn的部署和量化。 量化后的模型如下: 量化后的模型大小大概在1.7m左右,应该可以满足你对小模型大小的强迫症; 此时,可以使用量化后的shufflev2-yolov5模型进行检测: 量化后的精度略有损失,但还是在可接受范围内 六、总结 本文提出shufflev2-yolov5的部署和量化教程; 剖析了之前yolov5s之所以量化容易崩坏的原因; ncnn的fp16模型对比原生torch模型精度可保持不变; [上图,左为torch

    4.5K30发布于 2021-09-14
  • 来自专栏hightopo

    矢量化的HTML5拓扑图形组件设计

    HT一直被客户称道的就是其全矢量化的设计特色,矢量相比传统图片好处太多了: 矢量可无级缩放,界面不失真不模糊 描述矢量的文本内容远比图片小得多 目前各种window.devicePixelRatio不一致的设备 但,我还是不喜欢DOM上太重都是元素,不喜欢庞大包罗万象搞得没有一家能完美实现的标准,另外用XML、Flex的MXML或Sliverlgiht/WPF的XAML来描述图形实在是笨重不灵活,基于HTML5的 至此仅可以说重造了个SVG的轮子没啥特殊,如果仅能达到矢量化的功能,那费那么大劲自定义一套标准也没大意义,其实HT for Web设置矢量的初衷并非为了矢量化,而是HT产品的核心理念:让程序员更轻松的开发图形界面

    2.1K20发布于 2018-07-09
  • 量化交易入门练手项目:适合新手的 5 个小课题

    适合量化新手的练手项目,应该满足"逻辑简单、覆盖核心技能、能独立完成"三个条件。 一、为什么要靠项目来学 学量化最有效的方式是什么?我的答案很明确:做项目,而不是刷教程。 看十篇教程,不如亲手做一个项目。 为什么做它:这是量化的核心项目——第一次把"想法→信号→回测→评价"这条完整链路走通。做完这个,你就真正理解了量化策略是怎么回事。做完后可以进阶:换用其他指标生成信号,或加入止损逻辑。 结尾 量化入门最好的方式就是动手做项目。从数据获取、指标计算、策略回测、绩效分析到自动化抓取,这五个循序渐进的小课题,恰好覆盖了量化的完整技能链。 腾讯云近期上线了量化交易专题活动,可以了解云服务器如何承载数据抓取、策略回测与自动化运行,帮你把练手项目升级成真正跑起来的系统。 风险提示:本文仅为量化交易科普与技术分享,不构成任何投资建议。

    23810编辑于 2026-09-20
  • 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 ;

    5.1K00编辑于 2023-03-28
  • 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。 基本面 居民消费指数 人均国内生产总值(GDP) 净资产收益率(ROE) 技术面 股票收盘价 K线(日/周/月/年) 均线(5/10/20/60) 技术面分析更关注基于商品价格相关的数值和合成的指标。

    80710编辑于 2024-08-21
  • 来自专栏机器学习、深度学习

    模型量化

    provides ∼ 32× memory savings and 40× faster convolutional operations TBN 的性能 比 XNOR-Network 要 高 5% 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 ?

    1K10发布于 2019-05-26
  • 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

    2.9K20编辑于 2022-09-06
  • 来自专栏Agent

    QuantDinger 全网最全保姆级教程:5分钟搭建AI量化系统

    而“量化交易”,就是把那些复杂的计算、严苛的纪律,全部交给冰冷的机器和代码去执行。一提到量化,很多人脑海里马上浮现出西装革履的华尔街精英,或者密密麻麻的彭博终端机,觉得这是普通人高攀不起的领域。 第二阶段:四步走,把量化系统拉回本地接下来的操作,堪称“傻瓜式一键部署”。打开你的终端,跟着我一步步复制粘贴。第一步:把代码“偷”回来在终端里敲入下面这行代码,回车。 很多散户想玩量化,卡在哪儿?卡在不会写Python,看不懂pandas。 量化回测里的“一马平川”,不代表实盘一定能赚钱(因为有滑点、手续费等现实因素)。这个功能适合有经验的玩家去折腾,行外小白千万别轻易拿真金白银去让机器人自动交易! 保持对市场的敬畏,用理性去驾驭工具,这才是量化交易带给我们最大的意义。赶紧去部署试试吧,开启你的AI量化第一步!如果觉得文章对你有帮助,欢迎点赞、在看、转发三连,你的支持是我持续输出干货的最大动力!

    12.9K38编辑于 2026-04-25
  • 来自专栏DrugScience

    超量化合物库筛选策略–P5(初步终结篇)

    ok,先把前几章摆在这里,没看的同学记得看下: 往期回顾: 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 超量化合物库筛选策略–P4 主要内容: 其实主要步骤就是获取 详情可见超量化合物库筛选策略–P2. 预计可能的化学反应为15种,详情可见超量化合物库筛选策略–P4. 但是,其中有些反应无法发生,比如说伯胺和仲胺,如何判断此反应发生就需要读者自己来判断了。 ledock筛选结果: '4.dok', -4.52 '8.dok', -4.25 '1.dok', -3.09 '2.dok', -3.06 '7.dok', -3.04 '6.dok', -3.01 '5. 在羧基化合物库有496个,在氨基化合物库中有473个 对4.2化合物进行延展,探索此分支下的最优,其余化合物处理类似,所以不再赘述 化合物4.2 image.png 对5元环进行替换,测试羧基端的496 中间其实是可以加一些PAINS,RO5之类的信息用于过滤的 在进行片段增加时,可以尝试直接基于前一化合物的最好pose,来进行增长,类似于FBDD+SBDD building block + reation

    1.1K10编辑于 2022-07-27
  • 来自专栏NetCore

    平民化量化平台-刚米量化

    目前国内量化基金规模已经越来越庞大,量化投资的规模更是巨大,计算机的运行速度已经远远超过我们大脑,虽然说无法做到每次投资都赚钱,但只要数据够大,胜率超过50%以上,甚至60%以上,经过长时间的复利,就能达到很好的效果 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。 那普通人想要尝试量化,该如何做呢? 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。

    1.1K30编辑于 2022-09-16
  • 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。

    92520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。

    77010编辑于 2025-12-16
  • 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

    16K97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)

    来源:AIWakler 最近Happy在尝试进行图像超分的INT8量化,发现:pytorch量化里面的坑真多,远不如TensorFlow的量化好用。 背景 量化在不同领域有不同的定义,而在深度学习领域,量化有两个层面的意义:(1) 存储量化,即更少的bit来存储原本需要用浮点数(一般为FP32)存储的tensor;(2) 计算量化,即用更少的bit 对于量化后模型而言,其部分或者全部tensor(与量化方式、量化op的支持程度有关)将采用INT类型进行计算,而非量化前的浮点类型。 Training Static Quantization:静态量化,训练后静态量化,这是CV领域应用非常多的一种量化方式; Quantization Aware Training:感知量化,边训练边量化 ,一种比静态量化更优的量化方式,但量化时间会更长,但精度几乎无损。

    3.6K22发布于 2021-02-05
领券