草庐IT

量化IT

全部标签

nvidia-smi报错:NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver 原因及避坑解决方案

nvidia-smi报错:NVIDIA-SMIhasfailedbecauseitcouldn‘tcommunicatewiththeNVIDIAdriver原因及解决方案过了一段时间重新登录linux系统,发现nvidia用不了了,发现是由于重启服务器,linux内核升级导致的。解决方案:1.打开终端,输入nvcc-V检查驱动和cuda,发现是都有的2.查看已安装的驱动版本信息ls/usr/src|grepnvidia可以查到我的驱动版本是nvidia-470.743.安装dkmssudoapt-getinstalldkms如果此时权限不够,切换到root用户。切换方法:(1)输入sudop

5类适合参加IT培训的人,你在其中吗?

生活在信息时代、大家每天的生活都离不开互联网,同时、互联网行业的工资也相比其他行业高,而且行业的人才需求广泛、就业空间广,因此也吸引越来越多的人加入其中。就像所有的行业一样,想要从事IT行业,最基本的条件就是要热爱IT行业,即对互联网感兴趣。基本条件具备了,哪些人真正适合学习互联网技术呢?你又在不在其中呢?01对IT行业有浓厚兴趣的人正所谓:兴趣是学习的老师,不管做什么工作,兴趣非常重要;所以对IT行业有浓厚的兴趣也是基本的条件。02学历低想要改变命运的人总有一些人因为各种原因、不得不中途放弃学业外出打工、但是学历不高的人,在社会做的工资薪资都不是很高、找的工作很不好都是常态。大家都知道,学历

赋能开发:捷码携手达内教育打造IT职业教育新生态

    近日,达内教育与远眺科技签约联合培养的第一批低代码开发方向的高职学生,在杭州未来科技城捷码总部顺利毕业,首期合格学员总数超过30名。随着这些接受了“捷码”低代码平台全程“特训”的高职生走向IT人才市场,进入各大软件公司和互联网大厂,标志着远眺科技旗下的捷码低代码平台,与诸多高等教育、职业教育领域的战略合作伙伴一道力推的“共建IT职业教育新生态”的努力,获得了成功的实践验证,捷码也基于自己的新生态、新模式构建能力,收获了业界更多的认可与关注。成果展示:私域运营大屏展示成果展示:智慧园区大屏展示    在中国IT圈,很多业界人士都知道全国只有约700万IT从业人员,而我国快速发展的信息化、

【量化分析】用mplfinance显示交易图时,处理 Expect data.index as DatetimeIndex?

目录一、说明二、程序代码和出错描述三、合理化建议 3.1读入数据时指定索引3.2读入数据后,使用数据前指定日期(时间戳)索引 一、说明        我打算从比特币数据中获取烛台图。这是我在加载csv文件后选择我想要的数据框的代码。然而,用mplfinance显示的时候,总不能通过,解决后总结出,这个问题是,如何指定pandas的dataFrame的时间戳为索引的问题。解决后记录备忘。        显示如下提示:         Expectdata.indexasDatetimeIndex?二、程序代码和出错描述        读入数据代码:df['Date']=pd.to_datetim

使用GGML和LangChain在CPU上运行量化的llama2

MetaAI在本周二发布了最新一代开源大模型Llama2。对比于今年2月发布的Llama1,训练所用的token翻了一倍,已经达到了2万亿,对于使用大模型最重要的上下文长度限制,Llama2也翻了一倍。在本文,我们将紧跟趋势介绍如何在本地CPU推理上运行量化版本的开源Llama2。量化快速入门我们首先简单介绍一下量化的概念:量化是一种减少用于表示数字或值的比特数的技术。由于量化减少了模型大小,因此它有利于在cpu或嵌入式系统等资源受限的设备上部署模型。一种常用的方法是将模型权重从原始的16位浮点值量化为精度较低的8位整数值。llm已经展示了出色的能力,但是它需要大量的CPU和内存,所以我们可以

Error: The project seems to require yarn but it‘s not installed.

今天把之前做过的vue项目拷贝到新电脑上,运行启动命令后发现报了如下错误: 我查了一下资料,我是这么解决的:是因为项目中存在:yarn.lock文件,先把这个文件删除掉。把这个文件删除后,执行如下命令:npminstall-gyarn 下载完成后重新启动文件。有的时候遇到安装依赖装不上的问题,可以执行这个命令:npmi--force强制安装依赖。

个人随笔 —— 基于 go 语言实现的轻量化 workflow 分布式引擎插件

背景组内有很多项目都涉及复杂的任务流场景:集群创建、删除等生命周期管理k8s资源申请销毁....这些场景都有几个共同的特点:流程耗时且步骤复杂,需要几十步操作,其中包含云资源申请、脚本执行、接口调用等,且相互存在依赖关系。任务量随着业务增长而快速迭代,比如每个集群每天都会自动备份等任务需要调度执行。运维难度大,需要标准的框架约束业务实现,并基于此框架提供建设标准的运维体系,尽最大可能支持SLA方案调研在go体系内的各种方案硬编码结合定时TimerWorker实现虽然工作量较小,但是只能满足某个场景下的特定工作流,没有可复用性,暂不具备扩展性,无法建立标准。argo基于k8s,api-serve

Python中无法使用Selenium,显示ValueError: Timeout value connect was ……, but it must be an int, float or None

    近期重装了系统,需要做个爬虫,最初想用Selenium和Msedge模拟浏览器操作,但总是不成功,即使是用webdriver打开网页这样最简单的操作,也无法做到,总是显示ValueError:Timeoutvalueconnectwas,butitmustbeanint,floatorNone。   怀疑是设置问题,将对应浏览器的webdriver版本核对一遍,包括路径,均没有问题,但就是出错。以前曾用Selenium和Chrome浏览器做过爬虫,于是又改用Chrome试了试,但结果还是出现一样的错误。    查了许多资料,始终没有提到如何解决。最后直接搜索错误信息,终于在csdn.n

Doris向量化执行引擎原理(概述)

Doris向量化执行引擎原理一、向量化执行引擎的概述向量化执行引擎是一种高效的数据处理方式,它将数据分为多个向量进行处理,能够充分利用CPU的SIMD指令集,提高数据处理的效率。在Doris中,向量化执行引擎被广泛应用于查询优化、数据压缩、聚合计算等方面,能够显著提高Doris的查询性能和数据处理能力。二、向量化执行引擎的实现原理数据结构向量化执行引擎中的数据结构主要包括列式存储、行式存储、位图存储等。其中,列式存储是最常用的存储方式,它将同一列的数据存储在一起,能够提高数据压缩和查询性能。行式存储则是将一行数据存储在一起,适用于写入操作。位图存储则是将数据按照二进制位进行存储,能够高效地处理

Python量化交易实战:获取股票数据并做分析处理

量化交易(也称自动化交易)是一种应用数学模型帮助投资者进行判断,并且根据计算机程序发送的指令进行交易的投资方式,它极大地减少了投资者情绪波动的影响。量化交易的主要优势如下:快速检测客观、理性自动化量化交易的核心是筛选策略,策略也是依靠数学或物理模型来创造,把数学语言变成计算机语言。量化交易的流程是从数据的获取到数据的分析、处理。数据获取数据分析工作的第一步就是获取数据,也就是数据采集。获取数据的方式有很多,一般来讲,数据来源主要分为两大类:外部来源(外部购买、网络爬取、免费开源数据等)和内部来源(自己企业销售数据、财务数据等)。因为我们不生产数据,所以只能从外部获取数据。其获取途径是第三方开源