摘要：本文首先介绍了轻量化目标检测及其发展历程，接着又对常见的轻量化目标检测算法以及网络进行概述，在此基础上引出近三年来最新的轻量化目标检测算法，最后对轻量化目标检测的发展和研究做出总结。关键字：目标检测；轻量化；卷积神经网络；深度学习引言 近年来，随着深度学习技术的不断发展，神经网络凭借强大的特征表达能力和泛化能力在计算机视觉领域取得了巨大的成功，目标检测技术也从基于手工特征的传统算法转向了基于深度神经网络的检测算法[1]。但当前基于深度卷积神经网络的目标检测算法计算资源需求太大和内存消耗严重使得成本较高[2]，而轻量化网络因可以牺牲一小部分检测精度使检测速度获得较大的提升受
本文是在阅读我的发小永健发表《周易解密》一书之后，开始研究《周易》的一些心得体会。最近他的《周易你读懂了吗？》已经出版，在京东出售，这让我想起曾跟他交流讨论的一些话题，就写一下发出来请大家观赏评论。在这里我主要以西方学者对《易经》的评价，从科学的角度，和现代计算机学科中的量化应用，来探讨和研究一些源自《易经》的科学体系。——他乡石《易经》作为华夏文明的精华，早在三千年前已经成为一个体系，一个集自然科学和人文科学为一体的量化体系。自伏羲作八卦，周文王演三百八十四爻而天下治。这句经典不仅概括了《易经》上古时期几千年华夏文明的科学体系的起源和发展历史，也还说明它的完善都离不开从八卦到三百八十四爻这样
1.代码说明本文章中的期货ctp代码来自分布式高频量化交易系统联系作者，获取源码：高频量化交易系统的学习交流群-简书(jianshu.com)2.期货ctp介绍，2.1期货账户要连接期货交易所交易，需要开设自己的账户，实现期货交易、银期转账、保证金等功能，由于小白一般不会用实盘资金交易，所以此处推荐用上期所提供的simnow虚拟交易平台申请一个虚拟账户。simnow地址：www.simnow.com.cn2.2账户信息1.BrokerID简称期商编码，是指该期货公司在CTP系统上的编码，为四位数。例如海通期货是8000。2.TradeFront,MarketFrontTradeFront是指C
量化投资需要相当多的开发人员，不夸张的说，我们去调研过的量化公司核心办公区，竟然有一半都是developer！developer在量化交易过程中承担了相当重要的角色，没有成熟完善的系统架构、交易路径、策略思想的编码实现，就无从谈量化交易。1.基本的知识素养！量化开发日常的工作主要是支持交易员的日常交易的需求，实现交易的策略和算法，开发QuantTrader使用的交易工具等等，因此作为一名developer，需要了解更多和编程相关的内容，也需要学习很多软件开发的工具，比如数据库SQL，Linux操作系统等等。如果是从事算法交易开发还需要扎实的数学基础知识。量化开发是两条腿走路，一边配合量化研究员
AKShare是基于Python的财经数据接口库，目的是实现对股票、期货、期权、基金、外汇、债券、指数、加密货币等金融产品的基本面数据、实时和历史行情数据、衍生数据从数据采集、数据清洗到数据落地的一套工具，主要用于学术研究目的。AKShare的特点是获取的是相对权威的财经数据网站公布的原始数据，通过利用原始数据进行各数据源之间的交叉验证，进而再加工，从而得出科学的结论。一、环境要求及安装1.环境要求：（1）目前仅支持64位版本的操作系统安装和使用。（2）目前仅支持Python3.7(64位)及以上版本。2.安装安装命令如下：pipinstallakshare--upgrade二、基本接口介绍1
当谈到目标检测领域时，YOLOv7（YouOnlyLookOncev7）是一种非常流行的深度学习网络模型。虽然YOLOv7已经在精度和速度方面取得了显著的改进，但我们仍然可以从轻量化角度来进一步优化该模型。以下是8条关于如何从轻量化角度改进YOLOv7网络的建议： 1.模型压缩：使用轻量化的模型压缩技术，如剪枝（pruning）和量化（quantization），来减小YOLOv7的模型大小。通过剪枝可以去除冗余的权重参数和不必要的神经元，从而减小模型的尺寸。量化可以将浮点数权重参数转换为更小的整数，从而减少存储和计算开销。2.网络结构简化：简化YOLOv7的网络结构，去除不必要的层和模块
使用akshare获取股票数据，利用月度数据计算每只上证50成分股的股票历史期望收益率（年化）、收益率标准差（年化）、夏普比率、以及股票之间月收益率的相关系数，并以夏普比率、相关系数为条件筛选股票。挑选5只股票组成篮子，篮子股票必须满足下列三个条件：A）过去3年的夏普比率大于0.2；B）过去1年的夏普比率大于0.1；C）这5只股票彼此之间的相关系数之和最小。 目录1获取数据2根据CAPM计算股票的历史期望收益率获取三年间每个月的无风险利率rf,选取当月末十年期国债收益率为准，若非交易日则另选一天：获取市场平均月收益率： 计算成分股的β（beta_list）：计算期望收益率E(ri)=rf+β
摘要采用Pyinstalle插件对python编写好的程序打包成exe文件，一般有两种方式：一直直接采用当前的编写环境打包，这种方式一般不会出错，但由于将整体环境打包，导致将程序不需要的插件也包含在内，导致打包后的软件很大，打开也比较慢，不宜后期使用；另一种方式重新建立虚拟环境，在虚拟环境中只安装程序运行必需的插件，然后在打包，这样打包后的软件较小。本文主要介绍在虚拟环境中打包的方法，主要流程是：采用pycharm安装虚拟环境、安装程序必要的插件、打包、解决部分未导入插件问题。1.虚拟环境的建立打开pycharm软件，依次点击File/NewProject，在Location中设置虚拟环境路径
draco3D轻量化技术在Unity3D中应用之前完成了draco3D对glb模型轻量化的处理工作，并完成了正常的加载。先进行draco3D在U3D中的应用。方法一：将.obj模型压缩成.drc、.bytes类型再做加载。使用工具地址：https://github.com/google/draco.下载后直接解压，得到draco-master文件夹，将其中unity文件夹直接丢进unity工程文件中。PlayerSettings-OtherSettings-Allow’unsafe’Code打钩。解决报错，这里我使用unity版本是2018.3.0f2。安装cmake，地址https://cm
恐慌和贪婪指数–Fearandgreedindex恐慌和贪婪指数(以下简称恐慌指数)是衡量数字货币市场情绪的通用指标。2022年5月数字货币市场崩盘，比特币跌破30000美元，恐慌指数也来到历史低位，显示市场参与者极度恐慌。巴菲特有一句经典格言：“别人贪婪时我恐慌，别人恐慌时我贪婪”，这种古老的投资理念是否适用于数字货币？下载数据从官网下载恐慌指数的历史数据从Coingecko下载比特币历史数据 加载数据恐慌指数的历史数据可追溯到2018年2月1号，选择2018年到2021年作为研究样本。 恐慌抄底策略我们研究的问题是：在极度恐慌时买入比特币能否盈利？为了回答这个问题，我设计了一个
