腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
腾讯云架构师技术同盟
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
腾讯云架构师技术同盟
返回腾讯云官网
机器学习炼丹术
专栏成员
举报
151
文章
268751
阅读量
30
订阅数
订阅专栏
申请加入专栏
全部文章（151）
神经网络（32）
编程算法（31）
机器学习（25）
深度学习（22）
人工智能（19）
pytorch（18）
批量计算（14）
网络安全（14）
https（14）
image（10）
png（9）
测试（9）
github（8）
git（7）
开源（7）
论文（7）
模型（7）
linux（6）
tensorflow（5）
python（5）
css（5）
入门（5）
事件（5）
LLM（5）
腾讯云测试服务（4）
http（4）
数据分析（4）
analysis（4）
data（4）
框架（4）
图表（4）
网络（4）
api（3）
图像处理（3）
keras（3）
迁移（3）
size（3）
NLP 服务（2）
bash（2）
node.js（2）
jquery（2）
数据库（2）
sql（2）
bash 指令（2）
spring（2）
正则表达式（2）
numpy（2）
监督学习（2）
决策树（2）
线性回归（2）
kernel（2）
大数据（2）
微信（2）
数据结构（2）
特征工程（2）
distribution（2）
using（2）
工具（2）
基础（2）
设计（2）
人脸识别（1）
自动驾驶（1）
c++（1）
php（1）
javascript（1）
.net（1）
打包（1）
unix（1）
文件存储（1）
访问管理（1）
网站（1）
医疗（1）
serverless（1）
存储（1）
分布式（1）
自动化（1）
无人驾驶（1）
图像识别（1）
opencv（1）
推荐系统（1）
二叉树（1）
tcp/ip（1）
性能测试（1）
es（1）
ghost（1）
area（1）
average（1）
binding（1）
channel（1）
class（1）
correlation（1）
covariance（1）
cpu（1）
dataset（1）
dom（1）
filter（1）
gan（1）
gpt（1）
label（1）
layer（1）
map（1）
mask（1）
mean（1）
min（1）
model（1）
models（1）
module（1）
nodes（1）
normalization（1）
padding（1）
parameters（1）
patch（1）
point（1）
rally（1）
rank（1）
reference（1）
set（1）
state（1）
svm（1）
time（1）
transition（1）
volume（1）
部署（1）
程序（1）
工作（1）
管理（1）
进程（1）
连接（1）
量化（1）
数据（1）
微信公众号（1）
系统（1）
效率（1）
异常（1）
原理（1）
搜索文章
搜索
搜索
关闭
TMI 2019 | Multi-Modal Knowledge Distillation
distribution
normalization
框架
模型
设计
在展示方法之前，我们需要回顾一下启发我们multi-modal laearning scheme的设计的两个关键部分：
机器学习炼丹术
2023-09-26
188
0
DAY16 | Wyckoff 2.0
图表
也就是说，如果我考虑做多的交易想法，我将希望所有的交易水平都低于可操作的价格水平；如果我考虑做空的 想法，则在操作水平之上的价格进行交易。
机器学习炼丹术
2023-09-19
262
0
DAY15 | Wyckoff 2.0
测试
我们总是倾向于按照最后一个高成交量节点产生的方向进行交易。 而反对这个方向的情况只有在价格跌破了最后一波行情的支持区域时才会出现。 如果价格高于高成交量节点（HVN），我们将确定控制权在买方手中。 只有当价格从下方穿过这个区域时，我们才会提出一个空头方案，这将表明控制权已经改变，有利于卖家。 其逻辑是，在这些节点上，价格回到了平衡状态，我们将无法确定它随后将向哪个方向移动。 只有在确认了这个区域的有效突破后，我们才能提出一个具有一定稳健性的方案。
机器学习炼丹术
2023-09-19
235
0
DAY14 | Wyckoff 2.0
area
nodes
测试
框架
事件
在某些情况下，结构末端的划分不会很直观。 可能是因为价格行为产生了不清晰的行情。 在这种情况下，使用成交量分布来确定价值区域（VAH 和 VAL）的高低区是非常有用的
机器学习炼丹术
2023-09-19
259
0
DAY13 | Wyckoff 2.0
分布式
设计
已经有证据表明，仅仅根据前一天的分布的类型，不可能始终如一的预测我们今天最有可能面对什么行情类型。
机器学习炼丹术
2023-09-19
203
0
DAY12 | Wyckoff 2.0
测试
工具
如果我们看到一个下跌的行情吗，我们可以对整个趋势进行成交量分布分析，来确定价格在可能会出现某种看涨回调的区域。
机器学习炼丹术
2023-09-19
175
0
DAY11 | Wyckoff 2.0
average
volume
框架
效率
由于它代表了一个重要的平衡水平或公平价格，它是衡量我们是否买得太高或卖得太低的一个好办法。
机器学习炼丹术
2023-09-19
179
0
DAY10 | Wyckoff 2.0
程序
异常
价值区是在VAH和VAL之间确定，是第一个标准差的部分，价值区的高位和低位将被认为支撑和阻力区域。
机器学习炼丹术
2023-09-07
221
0
DAY9 | Wyckoff 2.0
dom
工具
量化
数据
图表
在市场上，买家和卖家的数量总是相同的；因为有人买，就一定有人卖给他。 无论某人想买多少东西，只要没有卖家愿意提供对应的东西，谈判就不可能进行。
机器学习炼丹术
2023-09-06
192
0
DAY7 | Wyckoff 2.0
spring
测试
图表
因为市场的控制权可能在结构发展期间发生改变，我们需要对价格行为和成交量做出持续的评估。 因为：新的信息加入到市场中，且在图表上显示出来。 基于此，我们将总是给我们所能接触到的最新的信息更大的权重。
机器学习炼丹术
2023-09-04
183
0
DAY5 | Wyckoff 2.0
spring
测试
【所有的线索倾向于一个方向， 但是在关键时刻（突破后的测试中）失败了，并产生了有利于另一方向的不平衡。】
机器学习炼丹术
2023-09-02
189
0
DAY4 | Wyckoff 1.0
测试
管理
事件
在交易区间进入了趋势行情当中，首先是良好的K线走势，其次是在次级结构中寻找对于震仓方向有利的次级结构，寻找次级震仓。
机器学习炼丹术
2023-09-02
204
0
LLM入门5 | SAM代码从入门到出门 | MetaAI
size
论文
模型
入门
LLM
非常好加载，基本上pytorch和torchvision版本不太落后就可以加载。里面的model_type需要和模型参数对应上，"vit_h"或者"vit_l"或者"vit_b",即便加载最大的2.4G的vit_h模型，也只需要占用8G的显卡。算是非常小的模型了。这里SAM测试的效果，很多情况下效果并不太好，是一个foundation model，我觉得主要原因是模型参数比较少。导致他不能很好的解决所有的问题。正确用法是对小领域最微调。
机器学习炼丹术
2023-09-02
1.2K
0
LLM入门4 | Segment Anything | MetaAI
论文
模型
入门
网络
LLM
我们在 Meta AI Research 和 FAIR 的团队开发了一个称为 SAM 的分割基础模型，其中包括一个可提示的分割任务、一个分割模型和一个数据引擎。 我们的数据集拥有超过 10 亿个masks和 1100 万张图像。
机器学习炼丹术
2023-09-02
626
0
LLM入门3 | 基于cpu和hugging face的LLaMA部署
cpu
部署
论文
入门
LLM
将hugging face的权重下载到本地，然后我们之后称下载到本地的路径为llama_7b_localpath
机器学习炼丹术
2023-09-02
1.8K
0
LLM入门2 | 羊驼AIpaca | Stanford
论文
模型
入门
网络
LLM
斯坦福的研究，从LLaMA 7B模型在52k的instruction-following demonstrations上微调得到的模型，AIpaca 7B. 主打就是一个低成本，小于600刀。据说和text-davinci-003具有相类似的性能，也就是我们所说的GPT-3.5。
机器学习炼丹术
2023-09-02
582
0
LLM入门1 | 初见LLaMA | MetaAI
论文
模型
入门
网络
LLM
正在部署中，回头看看怎么finetune一下。之前NLP接触的不多，希望以LLaMA为切入点，进行扩展。比方说里面提到的finetune技术的发展，GPT-3到现在之间的多个模型的迭代，还有各种激活函数的使用。和CV完全是两个知识体系，但是都在一个世界之下。
机器学习炼丹术
2023-09-02
452
0
医学成像之光学基础
迁移
基础
论文
模型
网络
光子的吸收可以让分子的电子从ground state to an excited state，这个过程叫做激发态excitation。激发态也可以由其他的机制产生，比方说机械的或化学作用。当一个电子被提升到激发态的时候，有几种可能的结果：被激发的电子relax到基态，可以发出光子或热量
机器学习炼丹术
2023-09-01
318
0
LLM6 | The AI Revolution in Medicine：GPT 4
医疗
gpt
论文
模型
系统
第一章名为"First Contact"，作者是Peter Lee。这一章主要讲述了作者与人工智能系统的首次接触。这个人工智能系统是OpenAI在2022年秋季秘密开发的，计划最终公开发布为GPT-4。因为作者是Microsoft的研究副总裁，Microsoft与OpenAI合作，所以他有特权每天与这个系统交互，这在公开发布前的六个月里进行了。他从两家公司那里得到的任务是发现这个新系统（当时的代号是Davinci3）和像它一样的未来AI系统可能如何影响医疗保健和改变医学研究。这是这本书的重点，简单的答案是：无论你能想到的任何方式，从诊断到医疗记录到临床试验，它的影响将如此广泛和深远，我们相信我们需要现在就开始努力优化它。
机器学习炼丹术
2023-09-01
220
0
DAY1 | Wyckoff 1.0
测试
基础
连接
事件
原理
速度是指价格移动的角度。 如果价格移动比之前快，那么就是强势。 反过来，如果移动得比之前慢，就是弱势。
机器学习炼丹术
2023-09-01
331
0
点击加载更多
社区活动
Python精品学习库
代码在线跑，知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客，速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·干货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档
