qmt量化交易策略小白学习笔记第33期【qmt编程之指数数据--如何获取指数代码列表】 2024-06-14 学习, 笔记 71人 已看 获取指数代码列表提示为了获取指数合约列表,首先需要使用函数get_sector_list来获取需要查询的指数索引。具体的索引信息可以通过键入您感兴趣的索引名(例如:"沪深指数"或"上证指数")等获得。接下来,通过调用函数get_stock_list_in_sector并输入指定的索引名称,你就可以返回相应的指数合约列表。这部分合约列表包含了所有与特定指数相关的现有合约,这对于投资者在进行投资策略分析和决策时具有重要参考价值。
[经验] 手机屏幕失灵怎么回事-手机屏幕为什么失灵 #微信#笔记 2024-06-11 笔记, 智能手机, 微信 111人 已看 手机屏幕失灵怎么回事-手机屏幕为什么失灵随着智能手机的普及,手机已经成为我们日常生活中必不可少的一部分。然而,有时我们可能会发现手机屏幕失去了灵敏度,无法正常操作。这种情况在使用一段时间后经常发生,其主要原因是什么呢?本文将探讨这个话题,帮助大家解决这一问题。
JS笔记(自用) 2024-06-10 笔记, 前端, javascript, 开发语言, ecmascript 78人 已看 10、创建元素:var p = document.createElement("p");7、获取对象后可以获取属性值:var attr = ele.getAttribute("class");判断是否存在:var flag = ele.hasAttribute("class");设置或添加:ele.setAttribute("name","aaa");1、js输出:console.log("hellowworld");移除: ele.removeAttribute("class");
机器学习笔记——支持向量机 2024-06-10 算法, 支持向量机, 笔记, 机器学习, 人工智能 106人 已看 思想:同时优化所有的参数比较困难,因此选择部分参数来优化,选择两个固定其他的,然后再选两个固定其他的一直循环,直到更新参数的变化小于某个值就可以终止,或者固定迭代次数。我们只需要用支持向量来进行分类,这样子减少了复杂度和时间消耗,但是优势不明显,因为参数a的求解需要的时间也很大,所以用到了序列最小优化算法来解决这个问题。对于一个样本,要么对应的参数a为0,要么与超平面的间隔为γ,将这些与超平面距离最小的向量。这里的a是待求解的参数,梯度参数量是和规模m相关,数据的规模增大时,参数量也增多。
【Vue】自学笔记(四) 2024-06-14 笔记, 前端, vue.js, javascript, ecmascript 87人 已看 先确保安装了全局工具VueCli如果没有,则先运行命令 npm i @vue/cli -g选择最后一个自定义搭建项目选择需要自动搭建的功能这里我需要router和css预处理器就空格勾选上,指针滑到最后一行再enter,即可下一步选择vue版本路由历史模式完全不懂什么路由历史模式,老师说,填写Y还需要进行服务器配置,填写N就是哈希模式vue路由的两种模式 hash与history_vue路由hash和history-CSDN博客选择css预处理器选择Eslint规范。
Python3 笔记:字符串的 isspace()、istitle()、isdecimal() 2024-06-15 python, 笔记, 开发语言 80人 已看 1、isspace() 方法检测字符串是否只由空白字符组成。2、istitle() 方法检测字符串中所有的单词拼写首字母是否为大写,且其他字母为小写。3、isdecimal() 方法检查字符串是否只包含十进制字符。
生成式人工智能 - stable diffusion web-ui安装教程 2024-06-07 笔记, ui, 机器学习, stable diffusion, 人工智能, 前端 86人 已看 屌丝劲发作了,所以本地调试了Stable Diffusion之后,就去看了一下Stable Diffusion WEB UI,网络上各种打包套件什么的好像很火,但实际上确实也没多麻烦,我们这里从大神的git源码直接开始。下载源码肯定是第一步的。直接运行Stable Diffusion的源码和预训练模型可以参考下面的链接。机器学习笔记 - 本地windows 11 + PyCharm运行stable diffusion流程简述-CSDN博客文章浏览阅读46次。
JUnit 5学习笔记 2024-06-13 学习, junit, 笔记 87人 已看 JUnit 5 中的前置条件(assumptions【假设】)类似于断言,不同之处在于不满足的断言会使得测试方法失败,而不满足的前置条件只会使得测试方法的执行终止。前置条件可以看成是测试方法执行的前提,当该前提不满足时,就没有继续执行的必要。利用@ValueSource等注解,指定入参,我们将可以使用不同的参数进行多次单元测试,而不需要每新增一个参数就新增一个单元测试,省去了很多冗余代码。参数化测试是JUnit5很重要的一个新特性,它使得用不同的参数多次运行测试成为了可能,也为我们的单元测试带来许多便利。
生成式人工智能 - 本地windows 11 + PyCharm运行stable diffusion流程简述 2024-06-06 python, 笔记, 机器学习, stable diffusion, pycharm, 人工智能, ide 93人 已看 硬件:本地电脑windows11、32.0 GB内存、2060的6G的卡。软件:本地有一个python环境,主要是torch 2.2.2+cu118。
C++笔记之一个函数多个返回值的方法、std::pair、std::tuple、std::tie的用法 2024-06-08 c++, 笔记, r语言, cocoa, 开发语言 99人 已看 要使用std::pair,需要包含头文件。T2 second;std::pair是一个简单但非常有用的工具,适用于需要将两个相关值绑定在一起的场景。通过理解它的构造函数、成员函数和比较操作符,可以在 C++ 编程中更有效地使用它。要使用std::tuple,需要包含头文件。std::tuple是一个可变参数模板类,可以包含任意数量的元素。std::tuple是一个非常强大的工具,可以在 C++ 中存储和操作多个不同类型的值。
【小米商城】页面编写笔记(自用) 2024-06-10 css, 笔记, 前端, html, css3 57人 已看 body标签,默认会有一个边距,造成页面的四边都有白色的间隙,如何去除?不加之前:内容居中文本居中【文本在这个区域居中】.c2{区域居中【自己要有宽度+margin-left:auto;父亲没有高度或者没有宽度,被孩子支撑起来如果存在float,一定要加:a标签是行内标签,行内标签的高度、内外边距,默认无效。
【小米商城】页面编写笔记(自用) 2024-06-10 css, 笔记, 前端, html, css3 69人 已看 body标签,默认会有一个边距,造成页面的四边都有白色的间隙,如何去除?不加之前:内容居中文本居中【文本在这个区域居中】.c2{区域居中【自己要有宽度+margin-left:auto;父亲没有高度或者没有宽度,被孩子支撑起来如果存在float,一定要加:a标签是行内标签,行内标签的高度、内外边距,默认无效。
【小米商城】页面编写笔记(自用) 2024-06-10 css, 笔记, 前端, html, css3 71人 已看 body标签,默认会有一个边距,造成页面的四边都有白色的间隙,如何去除?不加之前:内容居中文本居中【文本在这个区域居中】.c2{区域居中【自己要有宽度+margin-left:auto;父亲没有高度或者没有宽度,被孩子支撑起来如果存在float,一定要加:a标签是行内标签,行内标签的高度、内外边距,默认无效。
机器学习笔记:label smoothing 2024-06-10 笔记, 机器学习, 人工智能 77人 已看 在传统的分类任务中,我们通常使用硬标签(hard labels) 即如果一个样本属于某个类别,其对应的标签就是一个全0的向量,除了表示这个类别的位置为1。 例如,在一个3类分类任务中,某个样本的标签可能是 [0,1,0] Label Smoothing 的思想是将这些硬标签替换为软标签(soft labels)。 例如,对于上述的三类问题,我们可以将标签 [0,1,0]转换为 [0.1,0.8,0.1] 这样做的效果是降低模型对于标签的绝对信任度,鼓励模型学习到更加平滑的概率分布
机器学习笔记——支持向量机 2024-06-10 算法, 支持向量机, 笔记, 机器学习, 人工智能 87人 已看 思想:同时优化所有的参数比较困难,因此选择部分参数来优化,选择两个固定其他的,然后再选两个固定其他的一直循环,直到更新参数的变化小于某个值就可以终止,或者固定迭代次数。我们只需要用支持向量来进行分类,这样子减少了复杂度和时间消耗,但是优势不明显,因为参数a的求解需要的时间也很大,所以用到了序列最小优化算法来解决这个问题。对于一个样本,要么对应的参数a为0,要么与超平面的间隔为γ,将这些与超平面距离最小的向量。这里的a是待求解的参数,梯度参数量是和规模m相关,数据的规模增大时,参数量也增多。
【初体验threejs】【学习】【笔记】hello,正方体! 2024-06-13 学习, 笔记, arcgis 74人 已看 为了满足工作需求,我已着手学习Three.js,并决定详细记录这一学习过程。在此旅程中,如果出现理解偏差或有其他更佳的学习方法,请大家不吝赐教,在评论区给予指正或分享您的宝贵建议,我将不胜感激。至此已经全部完成。你好,正方体!如果出现理解偏差或有其他更佳的学习方法,请大家不吝赐教,在评论区给予指正或分享您的宝贵建议,我将不胜感激。
学习笔记——路由网络基础——路由优先级(preference) 2024-06-12 学习, 笔记, 网络, 智能路由器 71人 已看 对于相同的目的地,不同的路由协议(包括静态路由)可能会发现不同的路由,但这些路由并不是都是最优的。为了判断最优路由,各路由协议(包括静态路由)都被赋予了一个优先级,当存在多个路由信息源时,具有较高的优先级(取值较小)的路由协议发现的路由将成为最优路由,并将最优路由放入本地路由表中。路由器可以通过多种不同协议学习到去往同一目的网络的路由,当这些路由都符合最长匹配原则时,必须决定哪个路由优先。,当不同的路由协议配置了相同的优先级后,系统会通过内部优先级决定哪个路由协议发现的路由将成为最优路由。
【SpringCloud学习笔记】RabbitMQ(中) 2024-06-13 java-rabbitmq, spring, 学习, 笔记, rabbitmq 83人 已看 介绍了有关RabbitMQ的三种交换机类型:Fanout、Direct、Topic及对应的代码实现,还讲解了如何使用Java代码声明Queue、Exchange以及使用注解方式声明