作者：京东云质量部 背景 随着前端技术发展，已经转变为数据绑定为主流的框架方式，与后端服务一样，前端代码实现也会涉及相互依赖，引用这些场景，那么应该如何准确的评估前端代码改动的影响范围？依赖开发评估？依靠经验评估？或者直接前端自动化全回归？手工测试全回归？显然以上的策略都不是最优策略，本文叙述了通过
本周精选 继C#实现await/async无栈协程几年后，davidwrighton实现了.NET绿色线程(有栈协程)的原型 https://github.com/dotnet/runtimelab/pull/2002 .NET Runtimelab中绿色线程的原型实现的PR，在不久的将来，.NET
BigDecimal是Java中用于高精度算术运算的类。当您需要精确地处理非常大或非常小的数字时，例如在金融计算中，它特别有用。由于众所周知得原因，Double这种类型在某些情况下会出现丢失精度的问题，所以在需要对较为敏感的数据(比如与金额有关的)进行运算时，我们都会用BigDecimal。但是，用
前置知识 混合精度训练 在参数存储时采取fp32, 开始进行fp/bp时转成fp16运算, 拿到fp16梯度后再转回fp32更新参数. ZeRO对显存占用的估算: 模型状态: Weights(fp16)、grad(fp16) 和 MasterWeights(fp32 模型参数备份)，momentum
DP 显然我固定第一个是峰，然后再乘以2就是答案，因为一个合法的反转之后也是合法的而且谷峰颠倒了 发现如果设\(dp[i][j]\)表示前\(i\)个山脉，第\(i\)个山脉是高度\(j\)的答案，然后填第\(i\)个的时候不知道会不会重复，所以这个状态挂了，重新找个状态设设。 所以我们改变考虑对象
最近重读了一遍《代码整洁之道》，这本书既是整洁代码的定义，也是写出整洁代码的指南。我认为既适合新手阅读，快速提升代码质量；也适合老鸟阅读，持续精进。本篇将汇总《代码整洁之道》的必读要点，把书读薄，方便各位快速阅读。
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
场景： kettle中http post步骤如何发送http请求且传递body参数？ 解决方案： http post步骤中直接设置Request entity field字段即可。 1、手边没有现成的post接口，索性用python搭建一个简单的接口，关键代码如下（安装python环境略）： fro
场景：输入在指定的错误(错误应涵盖数据类型不匹配的情况)行数内，trans不报错，但通过错误处理步骤捕捉，并记入文件，整个数据管线正常完成直至处理完最后一个输入行。 解决方案：使用步骤【数据检验】进行处理。这个步骤和常规的业务系统对接三方接口一个逻辑，将符合规则的数据放行，不符合的记录。 数据准备（
1、之前kettle cdc mysql的时候使用的方案是canal+kafka+kettle，今天我们一起学习下使用kettle的插件Debezium直接cdc mysql。 注：CDC (Change Data Capture) 是一种技术，用于捕获和同步数据库中的更改。 1）Debezium步
关注作者，复旦AI博士，分享AI领域与云服务领域全维度开发技术。拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕博，复旦机器人智能实验室成员，国家级大学生赛事评审专家，发表多篇SCI核心期刊学术论文，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人。 精讲
场景：ETL沟通交流群内有小伙伴反馈，如何多个分支处理完毕之后记录下同步结果呢？或者是调用后续步骤、存储过程、三方接口等。 解决：使用步骤Blocking step进行阻塞处理即可。 1、 如下流程图中利用Blocking step步骤同时阻塞【模拟表输出1】和【模拟表输出2】两个步骤，只有当两个步
场景：ETL沟通交流群内有小伙伴反馈，如何在同步一批数据完成之后记录下同步结果呢？或者是调用后续步骤、存储过程、三方接口等。 解决：使用步骤Blocking step进行阻塞处理即可。 1、下面的demo演示从表t1同步数据至表t2（t1表中有三条数据，t2为空表，两个表表结构相同），然后数据同步完
今天偶然知道一款叫做stylet的MVVM框架，挺小巧的，特别是它的命令触发方式，简单粗暴，让人感觉很巴适，现在我做一个简单的demo来顺便来分享给大家。 本地创建一个WPF项目，此处我使用.NET 8来创建。然后引用stylet最新的nuget包。 然后删掉App.xaml里面自带的启动项 删掉以
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
标签获取 我们获取那些pods属于某个deployment时最先想到的可能是通过标签获取，其实这个是不准确的。因为标签并不是唯一的，也就是说不同deployment其实是能有相同标签的。 replicaSets获取 deployment 的产生pod流程如下: deployment->replica
粗排/精排的个性化多任务学习模型，能预估20多个不同的预估值，如点击率、有效播放率、播放时长、点赞率、关注率等，那如何用它来排序呢？从多任务学习到多目标排序，中间有一个过渡，即如何把这些预估值融合成一个单一的排序分，最后实现多目标精排。这也就引入了本文要介绍的正题：多目标融合（multi-task ...
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
**在这篇文章中，我们会深入探讨Python单元测试的各个方面，包括它的基本概念、基础知识、实践方法、高级话题，如何在实际项目中进行单元测试，单元测试的最佳实践，以及一些有用的工具和资源** ## 一、单元测试重要性 测试是软件开发中不可或缺的一部分，它能够帮助我们保证代码的质量，减少bug，提高系
研发少闲月，九月人倍忙。又到了一年一度的“金九银十”秋招季，又到了写简历的时节，如果你还在用传统的Word文档寻找模板，然后默默耕耘，显然就有些落后于时代了，本次我们尝试使用云平台flowcv高效打造一份巧如范金、精比琢玉的高品质Golang技术简历。 首先来到云平台：flowcv.com 点击 t
