草庐IT

数值量化

全部标签

Vitis-AI量化编译YOLOv5(Pytorch框架)并部署ZCU104(二)

系列文章目录第一章 Vitis-AI量化编译YOLOv5(Pytorch框架)并部署ZCU104(一)第二章 Vitis-AI量化编译YOLOv5(Pytorch框架)并部署ZCU104(二)目录系列文章目录前言一、Netron查看网络结构二、与开发板建立通信1.设置主机2.设置开发板三、C++API编写四、编译运行总结前言第一章已经详细介绍了在主机利用Vitis-Ai进行量化编译后,成功生成了.Xmodel文件,本章主要介绍如何将.Xmodel部署到ZCU104,并利用C++API进行目标检测。一、Netron查看网络结构Netron是一种用于神经网络、深度学习和机器学习模型的可视化工具,它

如何从轻量化角度改进YOLOv8?

随着计算机视觉技术的发展,目标检测一直是计算机视觉领域中的热门话题。而YOLO(YouOnlyLookOnce)作为一种基于神经网络的目标检测算法,在检测速度和准确率方面都有很好的表现。然而,在实际应用中,YOLO还存在着一些问题,例如它的模型比较大,需要较高的计算资源。为了解决这些问题,我们可以考虑从轻量化的角度出发,对YOLO进行改进。本文将介绍如何从轻量化角度改进YOLOv8,从而提高模型的效率和精度。一、压缩YOLOv8模型对于YOLOv8模型,我们可以采用模型压缩的方法来减小模型的大小。模型压缩包括模型量化、模型剪枝和模型蒸馏等技术。模型量化是将浮点模型转换为定点模型,可以减小模型大

腾讯开源数据组件 Fast-Causal-Inference,可用于分布式向量化统计分析及因果推算

9月18日消息,腾讯在其公众号“腾讯开源”中宣布,旗下开源分布式数据科学组件项目Fast-Causal-Inference目前已经在GitHub中公布。▲图源“腾讯开源”公众号据悉,这是由腾讯微信研发,采用SQL交互的,基于分布式向量化的统计分析、因果推断计算库,据称“解决已有统计模型库(R/Python)在大数据下的性能瓶颈,提供百亿级数据秒级执行的Causalinference能力,同时通过SQL语言降低统计模型使用门槛,易用于生产环境中,目前已在微信视频号、微信搜一搜等微信内部多个业务进行了应用。”官方介绍:提供海量数据秒级执行的Causalinference能力 基于向量化OLAP执行

机器人中的数值优化(五)——信赖域方法

  本系列文章主要是我在学习《数值优化》过程中的一些笔记和相关思考,主要的学习资料是深蓝学院的课程《机器人中的数值优化》和高立编著的《数值最优化方法》等,本系列文章篇数较多,不定期更新,上半部分介绍无约束优化,下半部分介绍带约束的优化,中间会穿插一些路径规划方面的应用实例  七、信赖域方法  1、信赖域方法简介  信赖域方法(TrustRegionMethods)是一种用于非线性优化的数值优化方法,旨在寻找目标函数的最小值。信赖域算法是一种迭代算法,即从给定的初始解出发,通过逐步迭代,不断改进,直到获得满意的近似最优解为止。其基本思想是把最优化问题转化为一系列简单的局部寻优问题。  它的核心思

图形化跟踪个股RPS走势,挖掘出源源不断的牛股!股票量化分析工具QTYX-V2.5.7...

概述RPS选股策略威廉·欧奈尔把投资理念集中于他自创的CANSLIM选股系统,凭借着这个系统驰骋股票市场数十年,无论在牛市还是熊市,这个系统都是最稳定、表现最好的系统之一。CANSLIM选股系统中有一个RPS指标(RelativePriceStrengthRating),即股价相对强度指标。它根据一段时间内个股涨幅在全部股票涨幅排名中的位次值,选取出市场中的强势股。以大家熟知的“马太效应”和“二八法则”来解释的话就是市场始终遵循着“强者恒强”的定律。RPS在实战中的意义并不是一味地去选TOP1购买,因为涨跌幅加入了平滑算法之后往往会有滞后,此时容易买在顶部。比较有效的用法是持续关注新出现在TO

QMT量化交易网格交易 源码

想必大家在炒股的过程中都会遇到以下三个问题,第一个是股市大部分时间都是震荡的。我们都知道,A股市场由于自身的特点,用通俗的话讲就是牛市来的比较快,熊市走的相对比较慢,盘整的时间占大多数,统计数字表明震荡的行情大概占A股市场80%的时间,对于我们普通投资者而言呢,其实在大盘上涨期间,也就是牛市期间获取收益比较容易,但是在这种震荡的行情,假如没有一个有效的策略,我们只能袖手旁观,很难去获取盈利。第二个问题是,当我们买入了一个长期看好的股票,但是最后发现这个股票行情迟迟没有启动,然后股价一直没有上涨,这时候,我们大多数投资的资金都被占用,股价一直涨涨跌跌。我们收益基本上为零。在没有有效的交易策略应对

国内有什么比较好用的量化交易接口?

国内量化交易接口好的是迅投QMT和恒生Ptrade,多数券商支持。这2个软件针对不同的投资者开发了不同的权限,不会编写程序的可以使用普通版本的,支持篮子交易,网格交易,条件单等等,相对来说不需要编写程序,只需要在软件上做出相应的设置即可操作。如果是会编写程序,那么就可以选择专业版本的量化软件,可以实现量化策略编写,智能算法交易等等高阶工具。而且如果本身就会编程的,可以选择的范围会大很多,不需要被哪些价格高昂的交易接口绑架。现在大部分中小平台提供的量化交易接口,其实功能都相当齐全的,例如像下面这些:名称功能基本函数InitAPI初始化DeinitAPI反初始化Logon登录交易账户Logoff登

股票量化自动交易软件下单原则条件

股票量化自动交易软件下单原则条件是一系列的买卖方式,将常见的技术指标写入销售模式,为用户提供自动化的交易服务。如果技术指标已经研究,这些指标已经成为你交易中的一个或全部决策因素,但由于各种主观和客观因素,你不能实施你的交易策略,你可以使用条件下单。股票量化自动交易软件下单原则条件API说明(部分) 首先选择你需要的股票量化自动交易软件技术指标,如下图中列出的买卖条件,MACD指标等。(目前快速量化已经收录了市场上大部分主流条件)股票量化自动交易软件C++例子(部分说明) 

swift - 在这种情况下,使用常数值作为 "nil"(没有值)是一种好的做法吗?

关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题?更新问题,以便editingthispost可以用事实和引用来回答它.关闭6年前。Improvethisquestion我正在学习Swift,但在我的一个模型类中遇到了问题。我想要做的是拥有一个延迟加载的属性,当它所基于的数据发生变化时,该属性可以“失效”。(像这样:https://stackoverflow.com/a/25954243/2382892)我现在有这样的东西:classDataSet{varentries:[Entry]varaverage:Double?{returnself.entrie

【量化交易01】CTA策略 菲阿里四价+空中花园策略

菲阿里四价+空中花园策略CTA策略(CommodityTradingAdvisorStrategy),称为商品交易顾问策略,又称管理期货策略(ManagedFutures),简单理解——CTA策略是指投资于期货市场的策略,这是与投资于股票市场的投资策略的最大不同。它是指由专业管理人投资于期货市场,利用期货市场上升或者下降的趋势获利的一种投资策略。菲阿里四价、空中花园策略,都是经典的日内趋势突破型的策略。我使用2015.01.05~2022.10.29的期货主力合约行情数据,对两种策略进行了回测。一.策略原理1.菲阿里四价策略菲阿里四价策略是一种比较简单的趋势型日内交易策略。昨天高点、昨天低点、