博客地址：https://www.cnblogs.com/zylyehuo/ 股票分析 使用tushare包获取某股票的历史行情数据。 输出该股票所有收盘比开盘上涨3%以上的日期。 输出该股票所有开盘比前日收盘跌幅超过2%的日期。 开发环境 anaconda 集成环境：集成好了数据分析和机器学习中所
一.量化模型调用方式 下面是一个调用FlagAlpha/Llama2-Chinese-13b-Chat[1]的4bit压缩版本FlagAlpha/Llama2-Chinese-13b-Chat-4bit[2]的例子： from transformers import AutoTokenizerfro
博客地址：https://www.cnblogs.com/zylyehuo/ 开发环境 anaconda 集成环境：集成好了数据分析和机器学习中所需要的全部环境 安装目录不可以有中文和特殊符号 jupyter anaconda提供的一个基于浏览器的可视化开发工具 使用tushare包获取某股票的历史
xsimd简介 xsimd是C++的一个开源simd库，实现了对常见simd指令的封装，从而使得simd的操作更为简单。接下来先从两个简单的例子来入门xsimd。 void average(const std::vector& v1, const std::vector
更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。 如何判断量化策略是否失效 我们在交易量化策略的时候，经常会遇到量化策略出现持续性的回撤。此时，必须考虑一种情况，即正在交易的策略可能失效了。于是，我们的首要工作是，判断这个量化策略是否失效。 判断量化交易
很高兴和大家分享 Hugging Face 的一项新功能: KV 缓存量化 ，它能够把你的语言模型的速度提升到一个新水平。 太长不看版: KV 缓存量化可在最小化对生成质量的影响的条件下，减少 LLM 在长文本生成场景下的内存使用量，从而在内存效率和生成速度之间提供可定制的权衡。 你是否曾尝试过用语
今天跟同事请教项目管理问题时，get到一个项目管理的小技巧，就是使用`甘特图`来制定清晰可量化的项目计划， 简单的甘特图模版下载可参考此网站： - https://www.vertex42.com/ExcelTemplates/simple-gantt-chart.html 或者从本站直接下载： -
更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。 我们在进行量化策略回测的时候，免不了要做一些时间序列的操作，比如计算过去一段时间的某个技术指标、因子等等，即时是横截面的策略，也需要在横截面数据准备后，进行时间序列的回测，用以确定因子在回测周期内的表现。
更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。 所谓“工欲善其事，必先利其器”，对于量化交易来说，最后也是重要的一步，在于为我们的实盘策略选择一个运行的服务器。那么，应该如何选择合适的量化交易服务器？希望通过这篇分享，给大家提供一些帮助。 策略类型：中
传统的基于边缘信息的匹配算法有着大量的浮点计算，在某些硬件条件下不友好，通过对公式进行分析，传统算法的匹配度公式可以转换为求解角度差异的余弦值，而进一步的进行量化和定点化后，则可以转化为查找一个整形数据的二维或一维表，从而加快算法的查找速度。
更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。 三方平台与自主系统的优劣势对比 在编写量化策略回测时，可以选择使用三方平台（第三方量化平台）或自主平台（自己编写代码）两种方式。它们各自有一些优劣势，下面是它们的对比： 三方平台： 优势： 简单易用： 大
更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。 典型股票量化回测流程 典型的股票量化策略回测流程包括以下几个步骤： 数据获取：首先需要获取所需的股票市场数据，包括股票价格、交易量、财务数据等。这些数据可以从金融数据供应商、交易所、财经网站或者专门的数据
本文分享自华为云社区《GaussDB(DWS)向量化执行引擎详解》，作者： yd_212508532。 前言 适用版本：【基线功能】 传统的行执行引擎大多采用一次一元组的执行模式，这样在执行过程中CPU大部分时间并没有用来处理数据，更多的是在遍历执行树，就会导致CPU的有效利用率较低。而在面对OLA
简介：从定量分析的角度，通过量化 io_uring 和 epoll 两种编程框架下的相关操作的耗时，来分析二者的性能差异。 本文作者：王小光，「高性能存储技术SIG」核心成员。 背景 io_uring 在传统存储 io 场景已经证明其价值，但 io_uring 不仅支持传统存储 io，也支持网络 i
提供LoRA微调和全量参数微调代码，训练数据为data/train_sft.csv，验证数据为data/dev_sft.csv，数据格式为"Human: "+问题+"\nAssistant: "+答案。本文主要介绍Llama-2-7b模型LoRA微调以及4bit量化的实践过程。
近期，上海合合信息科技股份有限公司发布的文本向量化模型 acge_text_embedding 在中文文本向量化领域取得了重大突破，荣获 Massive Text Embedding Benchmark (MTEB) 中文榜单（C-MTEB）第一名的成绩。这一成就标志着该模型将在大模型领域的应用中发
扎克伯格说，Llama3-8B还是太大了，不适合放到手机中，有什么办法？ 量化、剪枝、蒸馏，如果你经常关注大语言模型，一定会看到这几个词，单看这几个字，我们很难理解它们都干了些什么，但是这几个词对于现阶段的大语言模型发展特别重要，它们就是将模型缩小的利器。这篇文章就带大家来认识认识它们，理解其中的原
作者：朱一帆 目录 SIMD 介绍 SIMD 函数派发方案 面向编译器的优化 SIMD 介绍 SIMD 是重要的重要的程序加速手段。CMU DB 组在 Advanced Database Systems 中有专门的两个章节（vectorization-1, vectorization-2）介绍
本文基于 OpenJDK17 进行讨论，垃圾回收器为 ZGC。 提示： 为了方便大家索引，特将在上篇文章 《以 ZGC 为例，谈一谈 JVM 是如何实现 Reference 语义的》 中讨论的众多主题独立出来。 大家在网上或者在其他讲解 JVM 的书籍中多多少少会看到这样一段关于 SoftRefer
NumPy的通用函数(ufunc)提供高性能的逐元素运算，支持向量化操作和广播机制，能应用于数组的数学、逻辑和比较运算。ufunc可提高计算速度，避免低效的循环，并允许自定义函数以满足特定需求。例如，ufunc实现加法比循环更高效。通过`frompyfunc`可创建自定义ufunc。判断函数是否为u...
