喜数女量化
喜数女量化

史上最全的Python定量金融三方库汇总

本文汇总了定量金融的大量三方库，按功能进行分类，覆盖数值运算，衍生品定价，回溯检验，风险管理，数据爬取，可视化等多个子领域，供每个Python程序员参考。

科学运算和数据结构

  • numpy - 进行数值运算的基础包，scipy和numpy令Python进行有效的矩阵运算成为可能

  • scipy - 科学计算生态系统，广泛应用于数学，物理学和工程学等自然科学领域

  • pandas - 提供了高性能的数据结构和数据分析工具

  • quantdsl - 金融/交易领域进行定量分析的领域特定语言

  • tatistics - 进行基础统计运算

  • sympy - 专门用于符号数学

  • pymc3 - 用Python实现概率编程，贝叶斯建模，用Theano实现概率机器学习

金融工具和定价

  • PyQL - Quantlib的Python接口

  • pyfin - 期权定价

  • vollib - 计算期权价格，隐含波动率和希腊值

  • QuantPy - 定量金融分析

  • Finance-Python - 定量金融分析

  • ffn - 拓展Pandas，提供一系列函数进行基础的量化分析

  • pynance - 获取股票和衍生品市场的数据，分析和可视化

  • hasura/base-python-dash - 快速入门部署Dash应用，Dash基于Flask，Plotly.js和React.js，允许用户用纯Python快速搭建强大的数据科学网页App

  • hasura/base-python-bokeh - 如何用Bokeh实现数据可视化

  • pysabr - 用Python实现SABR模型

技术指标

  • pandas_talib - 整合Pandas和Talib，用pandas计算技术指标

  • finta - 用Pandas计算常见的技术指标

  • Tulipy - 技术指标库（tulipindicators的Python绑定）

量化交易/回溯检验

  • TA-Lib - 计算技术指标，跟Numpy深度整合

  • trade - 用于开发金融应用的基础包

  • zipline - 强大的回溯检验框架，被很多量化交易平台作为底层技术，包括Qauntopian

  • QuantSoftware Toolkit - 创建和管理投资组合

  • quantitative - 定量金融的基础工具，回溯检验

  • analyzer - 接收实时报价并回溯检验

  • bt - 回溯检验框架，比Zipline更灵活

  • backtrader - 回溯检验框架，支持实盘交易，过去几年快速崛起，已成为最流行的量化工具之一

  • pythalesians - 回溯检验框架

  • pybacktest - 向量化回溯检验框架，向量化允许进行快速的回溯，但检验精度不高

  • pyalgotrade - 回溯检验框架

  • tradingWithPython - 提供一系列函数和自定义类来管理量化交易

  • Pandas TA - 拓展Pandas，包含115种技术指标，快速创建交易策略

  • ta - 用Pandas计算技术指标

  • algobroker - 算法交易的部署引擎

  • pysentosa - sentosa交易系统的Python接口

  • finmarketpy - 分析市场数据，支持简单回溯检验

  • binary-martingale - 自动化交易程序，用马丁格尔策略交易二元期权

  • fooltrader - 利用大数据技术进行量化分析，包含回溯检验

  • zvt - 提供统一和灵活的方式来获取数据，计算因子，选股，回溯检验和实盘交易

  • pylivetrader - 兼容zipline的实时交易库

  • pipeline-live - zipline扩展库，用于实盘交易

  • zipline-extensions - Zipline扩展，适配QuantRocket

  • moonshot - 向量化回溯检验和交易引擎

  • PyPortfolioOpt - 金融投资组合优化，包括创建有效边界和其它高级算法

  • riskparity.py - 用TensorFlow设计风险平价投资组合

  • mlfinlab - 《金融机器学习应用》一书的实现

  • pyqstrat - 快速地回测交易策略

  • pinkfish - 证券分析

  • aat - 异步算法交易引擎

  • Backtesting.py - 回溯检验框架

  • catalyst - 回溯检验框架，专门用于数字货币市场

  • quantstats - 投资组合分析

  • qtpylib - 回溯检验框架，支持实盘交易

  • freqtrade - 开源数字货币交易机器人

  • algorithmic-trading-with-python - 《Python算法交易》一书的源码和数据

  • DeepDow - 用深度学习优化投资组合

风险分析

  • pyfolio - 计算投资组合和交易策略的业绩指标

  • empyrical - 计算常用的风险和业绩指标

  • fecon235 - 金融计量经济工具包，包括leptokurtotic风险高斯混合模型，自适应Boltzmann投资组合

  • finance - 计算金融风险

  • qfrm - 定量金融风险管理

  • visualize-wealth - 构建投资组合和定量分析

  • VisualPortfolio - 可视化投资组合表现

因子分析

  • alphalens - 分析预测性因子的表现

时间序列

  • ARCH - Python实现ARCH模型

  • statsmodels - 计量经济模型库，用于创建回归模型，统计检验，时序模型

  • dynts - 操纵和分析时间序列

  • PyFlux - 时间序列模型和因果推断

  • tsfresh - 从时间序列中提取有意义的特征

  • hasura/quandl-metabase - 可视化Quandl的时间序列数据集

日历

  • trading_calendars - 股票交易所财经日历

  • bizdays - 工作日计算和效用工具

  • pandas_market_calendars - 拓展Pandas，股票交易所财经日历

数据源

  • findatapy - 获取彭博终端，Quandl和雅虎财经的数据

  • googlefinance - 从谷歌财经获取实时股票价格

  • yahoo-finance - 从雅虎财经下载股票报价，历史价格，产品信息和财务报表

  • pandas-datareader - 从多个数据源获取经济/金融时间序列，包括谷歌财经，雅虎财经，圣路易斯联储(FRED)，OECD, Fama/French，世界银行，欧元区统计局等，是Pandas生态系统的重要组成

  • pandas-finance - 提供高级接口下载和分析金融时间序列

  • pyhoofinance - 从雅虎财经批量获取股票数据

  • yfinanceapi - 从雅虎财经获取数据

  • yql-finance - 从雅虎财经获取数据

  • ystockquote - 从雅虎财经获取实时报价

  • wallstreet - 实时股票和期权报价

  • stock_extractor - 从网络上爬取股票信息

  • Stockex - 从雅虎财经获取数据

  • finsymbols - 获取全美证券交易所，纽约证券交易所和纳斯达克上市公司的详细数据

  • inquisitor - 从Econdb获取经济数据，Econdb是全球经济指标聚合器

  • chinesestockapi - 获取A股数据

  • exchange - 获取最新的汇率报价

  • ticks - 命令行程序，获取股票报价

  • pybbg - 彭博终端COM的Python接口

  • ccy - 获取外汇数据

  • tushare - 获取中国股票，基金，债券和期货市场的历史数据

  • jsm - 获取日本股票市场的历史数据

  • cn_stock_src - 从不同数据源获取中国的股票数据

  • coinmarketcap - 从coinmarketcap获取数字货币数据

  • after-hours - 获取美股盘前和盘后的市场价格

  • bronto-python - 整合Bronto API接

  • pytdx - 获取中国国内股票的实时报价

  • pdblp - 整合Pandas和彭博终端的公共接口

  • tiingo - 从Tiingo平台获取股票日K线和实时报价/新闻流

  • IEX - 从IEX交易所获取股票的实时报价和历史数据

  • alpaca-trade-api - 从Alpaca平台获取股票实时报价和历史数据，并提供交易接口交易美股

  • metatrader5 - 集成Python和MQL5交易平台，适合外汇交易

  • akshare - 获取中国股票，基金，债券和宏观经济数据

  • yahooquery - 从雅虎财经获取数据

  • investpy - 从英为财经(Investing.com)获取数据

  • yliveticker - 从雅虎财经通过Websocket获取实时报价

Excel集成

  • xlwings - 深度整合Python和Excel

  • openpyxl - 读取/写入Excel 2007 xlsx/xlsm文件

  • xlrd - 从Excel电子表格提取数据

  • xlsxwriter - 将数据写入Excel电子表格

  • xlwt - 创建跨平台和向后兼容的电子表格

  • DataNitro- 深度整合Python和Excel，可免费试用，商业付费软件

  • xlloop - 创建Excel用户自定义函数

  • expy - Excel插件，允许用户从电子表格中执行Python代码和定义自定义函数

  • pyxll - Excel插件，从Excel中执行Python代码

可视化

  • Matplotlib - Python数据可视化的基础包，从二维图表到三维图表

  • Seaborn - 基于Matplotlib，快速创建美观的统计图表

  • Plotly - 创建动态和交互式的图表

  • Altair - 统计可视化工具，同时支持静态和交互式图表

  • D-Tale - 可视化Pandas数据结构

你可能感兴趣的:(股市,期货,量化)

  • 什么是RFM模型 走过冬季 学习笔记大数据数据分析
    RFM模型是客户价值分析中一种经典且实用的量化模型，它通过三个关键维度评估用户价值，帮助企业识别最有价值的客户群体。名称RFM由三个核心指标的英文首字母组成：R（Recency）-最近一次消费时间定义：用户上一次发生交易行为距今的时间长度（如多少天前）。意义：衡量用户的活跃度和流失风险。R值越小（最近有消费），说明用户越活跃，流失风险越低；R值越大（很久没消费），用户流失风险越高。母婴场景示例：一
  • 数据分析常用指标名词解释及计算公式 走过冬季 学习笔记数据分析大数据
    数据分析中有大量常用指标，它们帮助我们量化业务表现、用户行为、产品健康度等。下面是一些核心指标的名词解释及计算方式，按常见类别分类：一、流量与用户规模指标页面浏览量名词解释：用户访问网站或应用时，每次加载或刷新一个页面就算一次PV。它衡量的是页面被打开的总次数。计算方式：PV=∑(所有页面被加载的次数)(通常由埋点或日志直接统计)独立访客数名词解释：在特定时间范围内（如一天、一周、一月），访问网站
  • 24GB GPU 中的 DeepSeek R1：Unsloth AI 针对 671B 参数模型进行动态量化 知识大胖 NVIDIAGPU和大语言模型开发教程人工智能deepseekollama
    简介最初的DeepSeekR1是一个拥有6710亿个参数的语言模型，UnslothAI团队对其进行了动态量化，将模型大小减少了80%（从720GB减少到131GB），同时保持了强大的性能。当添加模型卸载功能时，该模型可以在24GBVRAM下以低令牌/秒的推理速度运行。推荐文章《本地构建AI智能分析助手之01快速安装，使用PandasAI和Ollama进行数据分析，用自然语言向你公司的数据提问为决策
  • 在 Obsidian 中本地使用 DeepSeek — 无需互联网！ 知识大胖 NVIDIAGPU和大语言模型开发教程人工智能deepseek
    简介您是否想在Obsidian内免费使用类似于ChatGPT的本地LLM？如果是，那么本指南适合您！我将引导您完成在Obsidian中安装和使用DeepSeek-R1模型的确切步骤，这样您就可以在笔记中拥有一个由AI驱动的第二大脑。推荐文章《24GBGPU中的DeepSeekR1：UnslothAI针对671B参数模型进行动态量化》权重1，DeepSeek类《在RaspberryPi上运行语音识别
  • 卫星分析系列之 使用卫星图像量化野火烧毁面积 在 Google Colab 中使用 Python 使用 Sentinel-2 图像确定森林火灾烧毁面积 知识大胖 NVIDIAGPU和大语言模型开发教程pythonsentinel开发语言
    简介几年前，当大多数气候模型预测如果我们不采取必要措施，洪水、热浪和野火将会发生更多时，我没想到这些不寻常的灾难现象会成为常见事件。其中，野火每年摧毁大量森林面积。如果你搜索不同地方的重大野火表格，你会发现令人震惊的统计数据，显示由于野火，地球上有多少森林面积正在消失。在本教程中，我将结合我已经发表过的关于下载、处理卫星图像和可视化野火的故事，量化加州发生的其中一场重大野火的烧毁面积。与之前的帖子
  • 在mac m1基于llama.cpp运行deepseek
    lama.cpp是一个高效的机器学习推理库，目标是在各种硬件上实现LLM推断，保持最小设置和最先进性能。llama.cpp支持1.5位、2位、3位、4位、5位、6位和8位整数量化，通过ARMNEON、Accelerate和Metal支持Apple芯片，使得在MACM1处理器上运行Deepseek大模型成为可能。1下载llama.cppgitclonehttps://github.com/ggerg
  • 短剧小程序开发全攻略：从0到1打造爆款内容平台 weixin_lynhgworld 小程序短剧
    核心内容：行业趋势分析：短剧市场年增长率超300%，用户规模突破5亿，抖音、快手等平台加速布局。小程序成为短剧分发核心渠道：轻量化、低成本、社交裂变优势显著。开发核心功能模块：内容管理：支持多格式上传、分集管理、标签分类。播放体验优化：弹幕互动、倍速播放、清晰度切换、离线缓存。付费系统：单集付费、会员订阅、广告解锁等多元化盈利模式。社交裂变：分享奖励、邀请排行榜、拼团观影功能。技术实现难点：视频流
  • 全网最全100道C语言高频经典面试题及答案解析：C语言程序员面试题库分类总结 猿享天开 学懂C语言-C语言从入门到精通c语言c++面试
    前言在计算科学领域，C语言犹如一座横跨硬件与软件的桥梁——其简洁的语法背后，承载着操作系统、数据库、嵌入式系统等基础软件的运行命脉。当开发者面对大厂面试中"用户态与内核态切换的开销量化"或"自旋锁在NUMA架构下的性能陷阱"等深度问题时，仅凭教科书知识往往难以应对。本文正是为解决这一痛点而生。我们摒弃传统面试题集的简单罗列模式，精选100个直指系统编程本质的问题，每个案例均包含：工业级场景还原：基
  • OpenCV探索之旅：多尺度视觉与形状的灵魂--图像金字塔与轮廓分析
    在我们学会用Canny算法勾勒处世界的轮廓之后，一个更深层次的问题摆在了面前：这些由像素组成的线条，如何才能被赋予“生命”，成为我们能够理解和分析的“形状”？如果一个物体在图像中时大时小，我们又该如何稳定地识别它？欢迎来到本次的探索之旅。我们将建造两种强大的“金字塔”，赋予我们跨越尺度的“鹰之眼”；然后，我们将不仅仅是找到轮廓，更要深入其内部，测量它的面积、周长，找到它的重心，甚至量化它的“形状”
  • YOLOv8 环境监测五大场景 —— 二、 森林火灾早期预警 之无人机巡逻监测 详细解释及代码完整示例 路飞VS草帽 YOLOv8原理与源代码讲解---六大章YOLOv各版本的应用详细说明及代码示例环境监测五大场景YOLO无人机环境监测森林火灾早期预警无人机巡逻监测YOLOv8
    YOLOv8无人机森林火灾巡逻监测系统系统架构设计无人机火灾监测系统组成：1.飞行平台-多旋翼无人机(续航≥60分钟)-双光吊舱(可见光+红外)-RTK高精度定位-4G/5G数据链2.机载计算单元-JetsonOrinNX(AI加速)-轻量化YOLOv8模型-实时火情分析3.地面控制站-飞行路径规划-实时视频监控-火情预警系统4.云端协同-多机任务分配-火势扩散预测-应急资源调度完整代码实现1.无
  • 【个人思考】如何理解量化交易与做空？初学者必读的金融交易入门指南 姚瑞南Raynan 个人思考人工智能AIGC
    本文原创作者：姚瑞南AI-agent大模型运营专家/音乐人/野生穿搭model，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。（转载需经授权）目录金融交易中的一些常见概念：量化交易、做空以及更多1️⃣量化交易：数据驱动的交易方式2️⃣做空：预测价格下跌赚取差价个人做空的理解：借西瓜赚差价3️⃣做
  • 小型化与低功耗工业数据采集卡的在哪些行业有强劲需求？ 番茄老夫子 数据采集卡
    小型化与低功耗工业数据采集卡在汽车、医疗、能源等多个行业有着强劲需求，以下是具体介绍：汽车行业：在汽车电子系统中，如电池管理系统、电机控制和自动驾驶系统等，需要采集大量传感器数据。小型化低功耗的数据采集卡可轻松嵌入汽车内部紧凑空间，且能在车辆长时间运行中保持低能耗，例如用于实时监控车载网络信号，优化ECU性能，同时满足汽车对零部件小型化、轻量化以及节能的要求。医疗行业：医疗设备如呼吸机、心脏监测仪
  • Manus AI与多语言手写识别
    ManusAI与多语言手写识别背景与概述手写识别技术的发展现状与挑战ManusAI的核心技术与应用场景多语言手写识别的市场需求与难点ManusAI的技术架构深度学习在手写识别中的应用多语言支持的模型设计数据预处理与特征提取方法多语言手写识别的关键挑战不同语言字符的多样性处理上下文语义与书写风格适应性低资源语言的训练数据获取解决方案与优化策略迁移学习在多语言任务中的应用端到端模型的优化与轻量化用户反
  • 中药细粒度图像分类 小lo想吃棒棒糖 分类数据挖掘人工智能
    在细粒度图像分类（FGVC）领域，BilinearCNN（BCNN）模型因其能够捕捉图像中的局部特征交互而受到广泛关注。该模型通过双线性池化操作将两个不同CNN提取的特征进行外积运算，从而获得更加丰富的特征表示，这对于区分外观相似但属于不同子类别的物体尤其有效。然而，BCNN通常计算成本较高，限制了其在移动设备或资源受限环境下的应用。为了实现轻量化并保持高精度的细粒度分类，可以考虑将MobileN
  • 使用Qlib基于LightGBM预测沪深300涨跌 DeepReinforce 量化投资
    Qlib是一个专为量化金融和算法交易研究设计的开源库。本文配置一个基于LightGBM的梯度提升决策树（GBDT）模型，并使用金融数据集（包含158个技术指标特征）进行训练和预测。1.导入必要的模块pythonCollapseWrapRunCopyfromqlib.contrib.model.gbdtimportLGBModelfromqlib.contrib.data.handlerimport
  • 专知智库数据要素全链路基础设施：数字经济时代的“数据生态操作系统” 人形机器人专利池研究中心 数据场景生态首席数据官3.0数据场景架构师首席数据官3.0数据零件架构师数据场景架构师
    专知智库数据要素全链路基础设施：数字经济时代的“数据生态操作系统”引言：数据要素的“生态困局”——从“资源孤岛”到“价值共生”的破局之道在数字经济时代，数据已从“企业私有财产”跃升为“社会公共资源”，成为驱动产业升级、创新商业模式的核心生产要素。但数据要素的价值释放，始终面临着三大核心矛盾：“散”——数据分散在各主体，难以整合；“死”——数据价值难量化，无法定价；“疑”——数据流通缺信任，交易成本
  • Semantic text 就是那么强大，还附带一包（ BBQ ）薯片！配有可配置的分块设置和索引选项。 Elastic 中国社区官方博客 ElasticsearchAI大数据elasticsearch搜索引擎全文检索人工智能ai图搜索
    作者：来自ElasticKathleenDeRusso语义文本搜索现在可以自定义，支持可配置的分块设置和索引选项，用于自定义向量量化，使semantic_text在专业用例中更强大。Elasticsearch拥有大量新功能，帮助你为你的用例构建最佳搜索解决方案。深入查看我们的示例笔记本以了解更多信息，开始免费云试用，或者立即在本地机器上体验Elastic。随着Elasticsearch8.18和9
  • YOLOv11模型轻量化挑战技术文章大纲 程序猿全栈の董（董翔） githubYOLOv11
    模型轻量化的背景与意义目标检测模型YOLOv11的性能与应用场景轻量化的必要性：边缘设备部署、实时性需求、计算资源限制轻量化面临的挑战：精度与速度的权衡、模型压缩方法的选择YOLOv11的轻量化技术方向网络结构优化：深度可分离卷积、分组卷积、瓶颈设计模型剪枝：结构化剪枝与非结构化剪枝策略知识蒸馏：教师-学生模型框架与特征匹配方法量化与低比特压缩：FP16/INT8量化与二值化网络轻量化实现的具体方
  • KTO（Kahneman-Tversky Optimization）技术详解与工程实现 DK_Allen 大模型深度学习pytorch人工智能KTO
    KTO（Kahneman-TverskyOptimization）技术详解与工程实现一、KTO核心思想KTO是基于行为经济学前景理论（ProspectTheory）的偏好优化方法，突破传统偏好学习需要成对数据的限制，仅需单样本绝对标注（好/坏）即可优化模型。其创新性在于：损失函数设计：将人类对"收益"和"损失"的非对称心理反应量化数据效率：无需构建偏好对（y_w>y_l），直接利用松散标注二、KT
  • 更新！「3D Web轻量化引擎」HOOPS Communicator发布2025.2.0版本：全新WebViewer用户界面、 工业3D_大熊 3DCAD开发工具3d3D建模3D模型轻量化工业3D3D数据格式转换3D模型可视化3DWeb轻量化
    3DWeb轻量化引擎HOOPSCommunicator此前发布2025.2.0版本！此次更新聚焦于提升用户体验和稳定性，通过引入创新的界面设计以及对若干问题的修复，确保用户能够更加高效、流畅地处理3D数据可视化任务。以下将详细阐述本次更新的核心内容。一、增强功能本次更新的重点在于对WebViewer用户界面的革新。我们精心打造了全新的WebViewerUI，其核心基于WebComponents技术
  • 量化价值投资中的深度学习技术：TensorFlow实战
    量化价值投资中的深度学习技术：TensorFlow实战关键词：量化价值投资,深度学习,TensorFlow,股票预测,因子模型,LSTM神经网络,量化策略摘要：本文将带你走进"量化价值投资"与"深度学习"的交叉地带，用小学生都能听懂的语言解释复杂概念，再通过手把手的TensorFlow实战案例，教你如何用AI技术挖掘股票市场中的价值宝藏。我们会从传统价值投资的痛点出发，揭示深度学习如何像"超级分析
  • 上下文工程：AI 智能体架构落地的关键新技术 一休哥助手 人工智能人工智能架构
    摘要随着大语言模型（LLM）驱动的智能体（Agent）逐渐成为下一代人机交互的核心范式，上下文管理已成为决定智能体性能与可靠性的关键瓶颈。本文提出“上下文工程”（ContextEngineering）作为智能体架构落地的核心技术方向，系统阐述其在解决长上下文依赖、多轮交互一致性、动态知识更新等挑战中的核心作用。通过分层架构设计、动态压缩策略与向量化增强技术，上下文工程显著提升智能体的记忆效率与推理
  • 目标检测YOLO实战应用案例100讲-基于深度学习的自动驾驶目标检测算法研究（续） 林聪木 目标检测YOLO深度学习
    目录基于双蓝图卷积的轻量化自动驾驶目标检测算法5.1引言5.2DarkNet53网络冗余性分析5.3双蓝图卷积网络5.4实验结果及分析基于深度学习的自动驾驶目标检测算法研究与应用传统的目标检测算法目标检测基线算法性能对比与选择相关理论和算法基础2.1引言2.2人工神经网络2.3FCOS目标检测算法2.4复杂交通场景下的目标检测难点与FCOS改进方案基于FCOS的目标检测算法改进3.1引言3.2Re
  • 【FFT】基于FPGA的FFT傅里叶变换和相位计算系统设计 fpga和matlab ★FPGA项目经验板块19:信号发生器fpga开发FFT相位计算
    1.软件版本ISE14.7，modeslimSE，10.1c2.系统仿真与分析第1步：信号源的产生主要通过rom将产生的数据保存到rom中，然后，我们再仿真的时候调用即可。这个部分仿真效果如下所示，你给的程序中，这个部分主要有两个数据源，一个是1025，一个是N为1024，我们这里分别将这两个数据量化之后保存到rom中，仿真如下所示：
  • 智链全球：跨境券商交易系统技术白皮书2025 Ashlee_guweng22346 架构区块链系统架构需求分析源代码管理Javaphp
    ——券商机构应对高波动市场的技术进化与跨境金融新生态构建一、宏观环境：关税风暴与跨境金融新态势黑天鹅事件催化市场波动特朗普政府宣布自8月1日起实施最高70%的新关税，针对欧盟、日本等贸易伙伴单边发难，加剧全球供应链成本重构。此政策叠加OPEC+增产（54.8万桶/日）、中东冲突等事件，导致风险资产剧烈波动：标普500期货下跌0.6%，现货黄金单日涨0.6%，铜价突破三个月新高（交易商抢在关税生效前
  • Web3区块链有哪些岗位？ VV- Wxiaoxwen 软件工程开源软件软件构建
    Web3区块链领域的岗位丰富多样，涵盖技术开发、产品管理、运营、商务等多个方面，以下是具体介绍：-技术开发类：-智能合约开发工程师：负责编写、审计和优化智能合约，常见于DeFi开发，包括抵押借贷、跨链桥、期货衍生品交易所等合约开发，需精通Solidity等编程语言，熟悉区块链平台特性。-区块链开发工程师：承担公链或应用链开发工作，如L1公链（Bitcoin生态、Ethereum生态等）开发、L2公
  • Apache Cloudberry 向量化实践（二）：如何识别和定位向量化系统的性能瓶颈？ 数据库
    如何系统性识别并定位向量化执行链路中的性能瓶颈？本文将结合分析方法论与实践案例，帮助大家建立起优化的基本盘。性能问题从何而来？向量化系统中的性能瓶颈往往不易察觉。它可能是某个操作符计算效率低下，也可能是某次调度延迟过大，甚至是系统某一阶段发生了资源争抢。大致来看，性能瓶颈来源可分为以下几类：计算瓶颈（on-CPU）：如表达式编译低效、算子计算逻辑复杂等。等待瓶颈（off-CPU）：如线程调度延迟、
  • 计算机视觉：Transformer的轻量化与加速策略 xcLeigh 计算机视觉CV计算机视觉transformer人工智能AI策略
    计算机视觉：Transformer的轻量化与加速策略一、前言二、Transformer基础概念回顾2.1Transformer架构概述2.2自注意力机制原理三、Transformer轻量化策略3.1模型结构优化3.1.1减少层数和头数3.1.2优化Patch大小3.2参数共享与剪枝3.2.1参数共享3.2.2剪枝3.3知识蒸馏四、Transformer加速策略4.1模型量化4.2.2TPU加速4.
  • AI产品经理技术篇：从传统AI到生成式AI，解密大模型的核心概念 让我看看好学吗 人工智能产品经理学习深度学习自然语言处理
    在人工智能技术飞速发展的今天，AI产品经理不仅需要理解业务逻辑，还需深入技术底层，把握从传统AI到生成式AI的演进脉络。传统AI以分类、预测和规则驱动为核心，而生成式AI则颠覆了这一范式，通过大模型实现内容创作、对话生成等创造性任务。这种转变背后，是参数规模、模型架构和训练方式的根本性革新。作为AI产品经理，理解大模型的核心概念至关重要。从“参数”的意义到“Token”的向量化，从Transfor
  • 人工智能-基础篇-18-什么是RAG(检索增强生成：知识库+向量化技术+大语言模型LLM整合的技术框架) weisian151 人工智能人工智能语言模型自然语言处理
    RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种结合外部知识检索与大语言模型（LLM）生成能力的技术框架，旨在提升生成式AI在问答、内容创作等任务中的准确性、实时性和领域适应性。1、核心概念大语言模型（LLM）的两大局限性：时效性不足：LLM的训练数据截止于某一时间点，无法获取最新信息（如2025年后的新事件）。知识幻觉：当问题超出模型训练数据范围时，LLM
  • 解线性方程组 qiuwanchi
    package gaodai.matrix; import java.util.ArrayList; import java.util.List; import java.util.Scanner; public class Test { public static void main(String[] args) { Scanner scanner = new Sc
  • 在mysql内部存储代码 annan211 性能mysql存储过程触发器
    在mysql内部存储代码 在mysql内部存储代码，既有优点也有缺点，而且有人倡导有人反对。 先看优点： 1 她在服务器内部执行，离数据最近，另外在服务器上执行还可以节省带宽和网络延迟。 2 这是一种代码重用。可以方便的统一业务规则，保证某些行为的一致性，所以也可以提供一定的安全性。 3 可以简化代码的维护和版本更新。 4 可以帮助提升安全，比如提供更细
  • Android使用Asynchronous Http Client完成登录保存cookie的问题 hotsunshine android
    Asynchronous Http Client是android中非常好的异步请求工具 除了异步之外还有很多封装比如json的处理，cookie的处理 引用 Persistent Cookie Storage with PersistentCookieStore This library also includes a PersistentCookieStore whi
  • java面试题 Array_06 java面试
    java面试题 第一，谈谈final, finally, finalize的区别。 final-修饰符（关键字）如果一个类被声明为final，意味着它不能再派生出新的子类，不能作为父类被继承。因此一个类不能既被声明为 abstract的，又被声明为final的。将变量或方法声明为final，可以保证它们在使用中不被改变。被声明为final的变量必须在声明时给定初值，而在以后的引用中只能
  • 网站加速 oloz 网站加速
    前序:本人菜鸟，此文研究总结来源于互联网上的资料，大牛请勿喷！本人虚心学习，多指教. 1、减小网页体积的大小，尽量采用div+css模式，尽量避免复杂的页面结构，能简约就简约。 2、采用Gzip对网页进行压缩；    GZIP最早由Jean-loup Gailly和Mark Adler创建，用于UNⅨ系统的文件压缩。我们在Linux中经常会用到后缀为.gz
  • 正确书写单例模式 随意而生 java 设计模式 单例
    　　单例模式算是设计模式中最容易理解，也是最容易手写代码的模式了吧。但是其中的坑却不少，所以也常作为面试题来考。本文主要对几种单例写法的整理，并分析其优缺点。很多都是一些老生常谈的问题，但如果你不知道如何创建一个线程安全的单例，不知道什么是双检锁，那这篇文章可能会帮助到你。 　　懒汉式，线程不安全 　　当被问到要实现一个单例模式时，很多人的第一反应是写出如下的代码，包括教科书上也是这样
  • 单例模式 香水浓 java
    懒汉  调用getInstance方法时实例化 public class Singleton { private static Singleton instance; private Singleton() {} public static synchronized Singleton getInstance() { if(null == ins
  • 安装Apache问题：系统找不到指定的文件 No installed service named "Apache2" AdyZhang apachehttp server
    安装Apache问题：系统找不到指定的文件 No installed service named "Apache2" 每次到这一步都很小心防它的端口冲突问题，结果，特意留出来的80端口就是不能用，烦。 解决方法确保几处： 1、停止IIS启动 2、把端口80改成其它 （譬如90，800，，，什么数字都好） 3、防火墙(关掉试试) 在运行处输入 cmd 回车，转到apa
  • 如何在android 文件选择器中选择多个图片或者视频？ aijuans android
    我的android app有这样的需求，在进行照片和视频上传的时候，需要一次性的从照片/视频库选择多条进行上传 但是android原生态的sdk中，只能一个一个的进行选择和上传。 我想知道是否有其他的android上传库可以解决这个问题，提供一个多选的功能，可以使checkbox之类的，一次选择多个 处理方法 官方的图片选择器(但是不支持所有版本的androi，只支持API Level
  • mysql中查询生日提醒的日期相关的sql baalwolf mysql
    SELECT sysid,user_name,birthday,listid,userhead_50,CONCAT(YEAR(CURDATE()),DATE_FORMAT(birthday,'-%m-%d')),CURDATE(),  dayofyear( CONCAT(YEAR(CURDATE()),DATE_FORMAT(birthday,'-%m-%d')))-dayofyear(
  • MongoDB索引文件破坏后导致查询错误的问题 BigBird2012 mongodb
    问题描述： MongoDB在非正常情况下关闭时，可能会导致索引文件破坏，造成数据在更新时没有反映到索引上。 解决方案：   使用脚本，重建MongoDB所有表的索引。 var names = db.getCollectionNames(); for( var i in names ){ var name = names[i]; print(name);
  • Javascript Promise bijian1013 JavaScriptPromise
            Parse JavaScript SDK现在提供了支持大多数异步方法的兼容jquery的Promises模式，那么这意味着什么呢，读完下文你就了解了。 一.认识Promises         “Promises”代表着在javascript程序里下一个伟大的范式，但是理解他们为什么如此伟大不是件简
  • [Zookeeper学习笔记九]Zookeeper源代码分析之Zookeeper构造过程 bit1129 zookeeper
       Zookeeper重载了几个构造函数，其中构造者可以提供参数最多，可定制性最多的构造函数是     public ZooKeeper(String connectString, int sessionTimeout, Watcher watcher, long sessionId, byte[] sessionPasswd, boolea
  • 【Java命令三】jstack bit1129 jstack
    jstack是用于获得当前运行的Java程序所有的线程的运行情况(thread dump），不同于jmap用于获得memory dump   [hadoop@hadoop sbin]$ jstack Usage: jstack [-l] <pid> (to connect to running process) jstack -F
  • jboss 5.1启停脚本　动静分离部署 ronin47
    以前启动jboss，往各种xml配置文件，现只要运行一句脚本即可。start nohup sh /**/run.sh -c servicename  -b ip -g  clustername   -u broatcast jboss.messaging.ServerPeerID=int  -Djboss.service.binding.set=p
  • UI之如何打磨设计能力? brotherlamp UIui教程ui自学ui资料ui视频
      在越来越拥挤的初创企业世界里，视觉设计的重要性往往可以与杀手级用户体验比肩。在许多情况下，尤其对于 Web 初创企业而言，这两者都是不可或缺的。前不久我们在《右脑革命：别学编程了，学艺术吧》中也曾发出过重视设计的呼吁。如何才能提高初创企业的设计能力呢?以下是 9 位创始人的体会。 1.找到自己的方式 如果你是设计师，要想提高技能可以去设计博客和展示好设计的网站如D-lists或
  • 三色旗算法 bylijinnan java算法
    import java.util.Arrays; /** 问题： 假设有一条绳子，上面有红、白、蓝三种颜色的旗子，起初绳子上的旗子颜色并没有顺序， 您希望将之分类，并排列为蓝、白、红的顺序，要如何移动次数才会最少，注意您只能在绳 子上进行这个动作，而且一次只能调换两个旗子。 网上的解法大多类似： 在一条绳子上移动，在程式中也就意味只能使用一个阵列，而不使用其它的阵列来
  • 警告:No configuration found for the specified action: \'s chiangfai configuration
    1.index.jsp页面form标签未指定namespace属性。 <!--index.jsp代码--> <%@taglib prefix="s" uri="/struts-tags"%> ... <s:form action="submit" method="post"&g
  • redis -- hash_max_zipmap_entries设置过大有问题 chenchao051 redishash
    使用redis时为了使用hash追求更高的内存使用率，我们一般都用hash结构，并且有时候会把hash_max_zipmap_entries这个值设置的很大，很多资料也推荐设置到1000，默认设置为了512，但是这里有个坑   #define ZIPMAP_BIGLEN 254 #define ZIPMAP_END 255     /* Return th
  • select into outfile access deny问题 daizj mysqltxt导出数据到文件
    本文转自：http://hatemysql.com/2010/06/29/select-into-outfile-access-deny%E9%97%AE%E9%A2%98/ 为应用建立了rnd的帐号，专门为他们查询线上数据库用的，当然，只有他们上了生产网络以后才能连上数据库，安全方面我们还是很注意的，呵呵。 授权的语句如下： grant select on armory.* to rn
  • phpexcel导出excel表简单入门示例 dcj3sjt126com PHPExcelphpexcel
    <?php error_reporting(E_ALL); ini_set('display_errors', TRUE); ini_set('display_startup_errors', TRUE);   if (PHP_SAPI == 'cli') die('This example should only be run from a Web Brows
  • 美国电影超短200句 dcj3sjt126com 电影
    1. I see． 我明白了。2. I quit! 我不干了!3. Let go! 放手!4. Me too． 我也是。5. My god! 天哪!6. No way! 不行!7. Come on． 来吧(赶快)8. Hold on． 等一等。9. I agree。 我同意。10. Not bad． 还不错。11. Not yet． 还没。12. See you． 再见。13. Shut up!
  • Java访问远程服务 dyy_gusi httpclientwebservicegetpost
        随着webService的崛起，我们开始中会越来越多的使用到访问远程webService服务。当然对于不同的webService框架一般都有自己的client包供使用，但是如果使用webService框架自己的client包，那么必然需要在自己的代码中引入它的包，如果同时调运了多个不同框架的webService，那么就需要同时引入多个不同的clien
  • Maven的settings.xml配置 geeksun settings.xml
    settings.xml是Maven的配置文件，下面解释一下其中的配置含义： settings.xml存在于两个地方： 1.安装的地方：$M2_HOME/conf/settings.xml 2.用户的目录：${user.home}/.m2/settings.xml 前者又被叫做全局配置，后者被称为用户配置。如果两者都存在，它们的内容将被合并，并且用户范围的settings.xml优先。
  • ubuntu的init与系统服务设置 hongtoushizi ubuntu
    转载自：  http://iysm.net/?p=178 init Init是位于/sbin/init的一个程序，它是在linux下，在系统启动过程中，初始化所有的设备驱动程序和数据结构等之后，由内核启动的一个用户级程序，并由此init程序进而完成系统的启动过程。 ubuntu与传统的linux略有不同，使用upstart完成系统的启动，但表面上仍维持init程序的形式。 运行
  • 跟我学Nginx+Lua开发目录贴 jinnianshilongnian nginxlua
    使用Nginx+Lua开发近一年的时间，学习和实践了一些Nginx+Lua开发的架构，为了让更多人使用Nginx+Lua架构开发，利用春节期间总结了一份基本的学习教程，希望对大家有用。也欢迎谈探讨学习一些经验。    目录 第一章 安装Nginx+Lua开发环境 第二章 Nginx+Lua开发入门 第三章 Redis/SSDB+Twemproxy安装与使用 第四章 L
  • php位运算符注意事项 home198979 位运算PHP&
    $a = $b = $c = 0; $a & $b = 1; $b | $c = 1  问a,b,c最终为多少?   当看到这题时，我犯了一个低级错误，误 以为位运算符会改变变量的值。所以得出结果是1 1 0 但是位运算符是不会改变变量的值的，例如： $a=1;$b=2; $a&$b;  这样a,b的值不会有任何改变
  • Linux shell数组建立和使用技巧 pda158 linux
    1.数组定义 　　[chengmo@centos5 ~]$ a=(1 2 3 4 5) 　　[chengmo@centos5 ~]$ echo $a 　　1 　　一对括号表示是数组，数组元素用“空格”符号分割开。 　　 2.数组读取与赋值 　　得到长度： 　　[chengmo@centos5 ~]$ echo ${#a[@]} 　　5 　　用${#数组名[@或
  • hotspot源码(JDK7) ol_beta javaHotSpotjvm
    源码结构图，方便理解：   ├─agent                            Serviceab
  • Oracle基本事务和ForAll执行批量DML练习 vipbooks oraclesql
    基本事务的使用： 从账户一的余额中转100到账户二的余额中去，如果账户二不存在或账户一中的余额不足100则整笔交易回滚 select * from account; -- 创建一张账户表 create table account( -- 账户ID id number(3) not null, -- 账户名称 nam
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他