- 综合排序
- 最热优先
- 最新优先
- 来自专栏大侠之运维
轻量化的远控工具
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。
67910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.
84220编辑于 2022-09-20 - 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 ：ChatGLM-6B、ChatGLM2-6B、CodeGeeX2及这些的量化模型。 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=.
3.5K51编辑于 2024-03-13 - 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。
7.6K31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
29510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 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 ;
4.5K00编辑于 2023-03-28 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。
85210编辑于 2025-07-04- 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
模型优化工具包是一套先进的技术工具包，可协助新手和高级开发者优化待部署和执行的机器学习模型。 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。
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
2K40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。
3.2K20编辑于 2024-12-23 - 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。
46010编辑于 2024-08-21 - 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。
78220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。
32210编辑于 2025-12-16- 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
2.6K20编辑于 2022-09-06 - 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 ?
88010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。
1.3K20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
量化能看到更多的机会，比如说现在A股有将近3000只股票，如果不用量化，靠一个人的力量最多管理到300只已经很难了，但量化，30000只的管理和3000只几乎没什么差异。 【投研体系】“量化老兵投资体系三大支柱” 问：您这些年一直是做量化投资的，能否讲讲您的量化投资体系？ 持有封基：我入市整整十年，一直是量化投资。基本面、技术面，只要能吃饱的都是一碗好面。 “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。 “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。 因为量化投资是一条充满荆棘的道路，只有真正热爱才会浸润在量化中以此为乐。
2.6K61发布于 2018-04-24 - 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 量化交易具有以下几个方面的特点： 1、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。 2、系统性。 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？
87230编辑于 2022-09-16
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