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
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
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。
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
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
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
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
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
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
9.2 TiFlash 架构与原理 相比于行存，TiFlash 根据强 Schema 按列式存储结构化数据，借助 ClickHouse 的向量化计算引擎，带来读取和计算双重性能优势。相较于普通列存，TiFlash 则具有实时更新、分布式自动扩展、SI（Snapshot Isolation）隔离级别读
本文首发自 TiDB 社区专栏：https://tidb.net/blog/0c5672b9 前言 最早知道 TiDB 要支持向量化的消息应该是在23年10月份左右，到第一次见到 TiDB Vector 的样子是在今年1月初，当时 dongxu 在朋友圈发了一张图： 去年我研究了一段时间的向量数据库
io_uring vs epoll ，谁在网络编程领域更胜一筹？ 2021-12-16 1473举报 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。 3.jpg 本文作者：王小光，「高性能存储技术SIG」核心成员。 背景
2022年初，当时的自己在 您好，2022！ 说要多追求无定量标准，所以没有列出具体量化的指标。 如今到了2023年，深思熟虑后决定还是要梳理下这些年制定的计划，看看哪些之前未完成的指标还适合继续努力的，好作为2023年的目标指引。 回顾了这些年的要点，梳理出需要在2023及之后的目标方向： 工作&
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。 为何产生过度拟合 我们在做数据分析建模，或是量化策略回测的过程中，会模型在训练时过度拟合了历史数据（回测），导致在新数据上的预测（实盘）效果不佳。造成这种现象有以下几种原因： 一是这可能是因为模型过于复杂
主要整理了N多年前（2010年）学习C++的时候开始总结的知识点，好长时间不写C++代码了，现在LLM量化和推理需要重新学习C++编程，看来出来混迟早要还的。 1.shared_ptr 解析：shared_ptr是一种计数指针，当引用计数变为0时，shared_ptr所指向的对象将会被删除。如下所示
