2022年9月25日更新最近好几个兄弟反馈问财做了最大分页数的限制，无法查询所有数据了，我最近抽空处理了一下，现在把结果写在这里。处理分页用到的代码较多，我就不全部贴了，我把功能封装成了一个python包pywencai，放到Github上了，感兴趣的可以去获取。Github地址：https://github.com/zsrl/pywencaiPyPI地址：https://pypi.org/project/pywencai/详细用法可以去上边的地址看，我这里写下示例安装由于包中执行了js代码，所以需要先保证你的计算机里有js运行环境，所以先安装一下node.jshttps://nodejs.o
一、什么是QMT此部分为扫盲内容，有一定了解者可以跳过。概念它是一款量化交易客户端软件，由一家叫做迅投公司出品，可以直接登录你的券商账号进行股票交易，但与同花顺/通信达不同的是，它暴露了基于python的交易API，可以执行程序化交易。顺便查了一下迅投这个公司的背景，21年冲击过创业板，后来放弃了。招股说明书链接界面以国金版为例，其登录界面如下，不同券商登录界面略有区别（不一定有极简模式）进入软件以后的界面如下，主要分为行情、交易、模型研究、模型交易几个模块，各个券商的QMT界面大同小异。二、为什么使用QMT以前，自动化交易一直是散户的痛，大部分的自动化接口，都只针对机构，散户可以使用的方法很
最新的高德POI数据，高德官方开放API接口，获取没什么难度，有需要的可以自己去试着抓取哦。作者整理了网上公开的全国范围2012年、2014年、2016年、2018年、2020年 常用的高德POI矢量数据集（shp)其中，不乏有北京大学开放研究数据官方平台等提供的数据集...本数据集源自高德地图，由国家信息中心合作企业北京国信宏数科技有限责任公司提供，时间跨度为截止到2018年9月30日的全量数据，地域覆盖全国，数据总量为6530万余条。POI是“PointofInterest”的缩写，中文可以翻译为“兴趣点”，在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。本数
不知道如何度量，就不知道这个东西的好坏。所以测试人员，测试团队和测试经理们都费劲心机去搜集比较好的测试度量指标。以此来改进自己的测试工作。通过长时间度量一个测试指标，绘制对应的曲线，同时指定基准，来找到改进自己测试团队的工作。有哪些类型的测试指标?在深入研究无数的特定指标列表之前，先来看看常见的测试指标有哪些？测试覆盖率——帮助了解应用程序的哪些区域已经被测试了。在测试质量良好的前提下，该指标可以揭示软件的哪些部分发现了已知的缺陷，哪些部分还存在未知的缺陷。覆盖率对应一组指标。有需求覆盖率，测试用例覆盖需求类别，单元测试覆盖率，集成和API测试覆盖率，UI测试覆盖率，手动或探索性测试覆盖率，等
RT-DETR模型是飞桨目标检测套件PaddleDetection最新发布的SOTA目标检测模型。其是一种基于DETR架构的端到端目标检测器，在速度和精度上均取得了SOTA性能。在实际部署中，为了追求“更准、更小、更快”的效率能力，本文使用飞桨模型压缩工具PaddleSlim中的自动压缩工具（ACT,AutoCompressionToolkit）将针对RT-DETR进行量化压缩及部署实战。使用ACT工具只需要几十分钟，即可完成量化压缩全流程。在模型精度持平的情况下，RT-DETR模型体积压缩为原来的四分之一，GPU推理加速44%。注：上述表格测试使用PaddleInference开启Tenso
BigQuant策略做量化可以赚钱，但是是建立在一些前提条件基础之上的。量化策略本身存在的意义就是通过数量化模型建立科学投资体系，获取稳定收益，相比传统投资，其具备纪律性、系统性、及时性、准确性等诸多优势，所以一个好的量化策略表现是绝对优于传统投资的。小编根据过去一段时间的观察，想要赚钱需要做好下面几件事：挑选合适的策略，评价一个策略有诸多指标：年化收益、累计收益、回撤、夏普、初始资金、模拟交易时长等等，首先要结合自己的实际情况挑选合适的策略。不过有策略还需要有交易接口，毕竟我们现在说的是量化交易，人工操盘是不足以实现的。不过，上面说的也都是是小编的个人感受，仅供大家参考哈，对量化交易有兴趣的
背景：目前milvsu版本迭代至2.0，已经可以支持直接在docker环境下运行目录一、Milvus的基本情况什么是Milvus向量数据库？非结构化数据特征向量向量相似度检索为什么选择使用Milvus？二、Milvus的下载安装安装前提硬件要求软件要求Milvus下载安装Milvus矢量库的可视化管理工具 Java操作矢量数据库版本控制数据操作数据操作中的遇到的坑一、Milvus的基本情况什么是Milvus向量数据库？Milvus于2019年开源，致力于存储、索引和管理由深度神经网络学习与其他机器学习模型生成的海量Embedding向量。Milvus向量数据库专为向量查询与检索设计，能够为万
很多人其实不太了解，市面上的量化平台这么多，到底各有什么特点呢？我们一起来看看。1.BigQuant人工智能量化平台：无门槛使用AI进行更好的量化投资，提供策略生成器。知识库里也有近期的一些量化热点问题，还是挺不错的。2.聚宽：聚宽量化平台具有回测功能、高速实盘交易接口、API文档、策略库等功能。社区也经常有人分享一些比较好的策略。3.米筐：一个开放的量化算法交易社区，为程序化交易者提供免费的回测和实盘模拟环境，并且会不间断举行实盘资金投入的量化比赛。4.优矿：提供最专业的量化交易平台5.掘金：掘金量化是集数据、投研、实盘交易的一站式专业量化平台，免费为用户提供投研服务，你可以在掘金量化终端进
1、搜索语义模型现状ERNIE:EnhancedRepresentationthroughKnowledgeIntegration是百度在2019年4月的时候，基于BERT模型做的进一步优化，在中文的NLP任务上得到了state-of-the-art的结果。近年来，ERNIE1.0/2.0/3.0等语义模型在搜索各个重点业务场景下得到了广泛应用，包括相关性、排序等多个子方向，消耗了大量GPU资源。每个业务方向一般由多个模型组成链路来完成最终计算，整体搜索业务所涉及的模型数量多、迭代快。目前，线上全流量模型超过几百个，月级迭代近百次。语义模型的大量应用对搜索产生了巨大影响，相关业务指标对模型精度
前言 模型部署优化这个方向其实比较宽泛。从模型完成训练，到最终将模型部署到实际硬件上，整个流程中会涉及到很多不同层面的工作，每一个环节对技术点的要求也不尽相同。但本质的工作无疑是通过减小模型大小，提高推理速度等，使得模型能够成功部署在各个硬件之中去并且实时有效的运作。那么模型的部署优化有哪些方式呢？显而易见答案就在标题之中。【深度学习之模型优化】模型剪枝、模型量化、知识蒸馏概述模型剪枝技术概述1.什么是模型剪枝2.模型剪枝的必要性模型量化技术概述1.什么是模型量化2.模型量化的优势模型压缩中知识蒸馏技术概述1.什么是知识蒸馏2. 为什么要进行知识蒸馏模型剪枝技术概述1.什么是模型剪枝
