- 博客(78)
- 收藏
- 关注
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 深入flink系列——集群RPC通信机制
Flink集群中的各个组件(JobMaster、TaskManager、Dispatcher等)之间的RPC通信框架是基于Akka实现的,本文主要学习Flink中的RPC网络通信框架的实现原理,以及集群运行时组件之间相互访问和通信的过程。
2023-03-05 18:41:58
542
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 基于docker部署 opentsdb + grafana数据监控系统
量化系统在运行的过程中有数据监控的需求,期望能够对策略的运行状态、资金指标等信息进行监控,刚好又接触了[docker相关的技术],于是产生了利用docker来部署一套监控系统的想法。所幸,社区已经有很多前人的工作了,搭建起来也比较顺利,有兴趣的朋友可以与我交流~监控系统采用opentsdb+grafana技术组合,后面也会深入的学习一下时序数据库opentsdb。
2021-11-21 21:03:43
4410
1
原创 免费图床配置:PicGo + Github + jsDelivr
在了解了图床之后,我开始探索如何搭建自己的图床。最初,我选择了使用 PicGo 结合 Gitee 进行搭建,但后来发现 Gitee 似乎不再支持图床功能,而且存在仓库被封丢失数据的风险。在权衡利弊后,我最终选择了使用 PicGo 结合 GitHub,并结合 JsDeliver 进行加速,来搭建免费的图床。通过这种方案,我成功地搭建了自己的图床,实现了图片资源的高效管理和访问加速。在本文中,我将与大家分享如何配置 PicGo、GitHub 和 JsDeliver,以便在写作博客时能够充分利用免费的图床服务。
2023-08-26 17:47:04
378
原创 Zotero文件同步方案:Zotero + Koofr + GooleDrive/OneDrive
结合Zotero和Koofr,我们可以构建一个基于Zotero + Koofr + Google Drive/OneDrive的文件同步方案,从而更高效地管理和同步Zotero中的文件。
2023-08-26 01:52:46
936
原创 量化评价:稳健的业绩评价指标
所谓稳健的评估指标,是指在评估的过程中数据的轻微变化并不会显著的影响一个统计指标。而不稳健的评估指标则相反,在对交易系统进行回测时,参数值的轻微变化会带来不稳健指标的大幅变化。对于不稳健的评估指标,任何对数据有影响的因素都会对测试结果产生过大的影响,这很容易导致数据过拟合。
2023-04-11 00:58:16
475
1
原创 RUMI策略小试
veighna官方分享RUMI策略的公众号中,这个策略的表现相当不错。自己实现一版,回测结果也挺符合预期,获利交易笔数>亏损交易笔数,盈利交易日>亏损交易日,并且从回测的成交图上看,RUMI策略对趋势的把握也非常好,非常有潜力。
2023-04-01 17:55:07
818
原创 深入flink系列——集群启动流程
本文主要梳理一下Flink on Yarn集群启动流程,主要关注各组件之间调用关系的源码梳理,期望对大家阅读Flink源码时把握整体流程有一定的帮助。
2022-11-06 20:07:07
1385
原创 深入Flink系列——watermark使用与源码详解
本节我们主要关注Flink的时间体系,包括Flink的时间语义、watermark机制及watermark的生成与传播原理,主要进行一些flink watermark理论知识的梳理。
2022-07-05 19:41:28
598
原创 基于TqSDK的vnpy实盘初始化数据获取
通过tqsdk扩展vnpy免费数据源。目前vnpy官方开源已经实现了挺多数据源的,如tushare, tq, 同花顺, rqdata等,但是不同数据源使用成本不同。目前可以使用tushare获取历史数据,但tushare数据是盘后更新的,盘中数据初始化是个问题。幸运的是,tq sdk普通用户最多可以获取每个K线序列的最后8000根K线,无论哪个周期。因此,实盘行情历史数据初始化可以选用天勤数据。
2021-11-22 23:05:59
2302
原创 《Docker技术入门与实战》学习笔记——第一部分 基础入门
近期,工作中docker用的比较多,由于之前并没有怎么使用过docker相关的技术,所以只能边用边查,也不能知其所以然,比较被动。于是,搞了本《Docker技术入门与实战》,学习完第一部分基础入门之后,对docker的原理与基本使用基本就没什么问题了。这里趁机整理一下学习笔记,以便回顾,不过docker这种还是多用会掌握得比较熟练。
2021-11-20 13:56:05
1249
原创 《代码整洁之道 clean code》学习笔记
文章目录0 前言1 注释C1:不恰当的信息C2:废弃的注释C3:冗余的注释C4:糟糕的注释C5:注释掉的代码2 环境E1:需要多步才能实现的构建E2:需要多步才能做到的测试3 函数F1:过多的参数F2:输出参数F3:标识参数F4:死函数4 一般性问题G1:一个源文件中存在多种语言G2:明显的行为未被实现G3:不正确的边界行为G4:忽视安全G5:重复G6:在错误的抽象层级上的代码G7:基类依赖派生类G8:信息过多G9:死代码G10:垂直分隔G11:前后不一致G12:混淆视听G13:人为耦合G14:特性依恋G1
2021-11-07 13:39:31
1826
原创 git高级用法
文章目录git commit规范指南commit message的作用Angular规范 Commit message的格式headerbodyfooterrevert示例Commitizen工具commitizen配置参考材料git高级技巧git rebasegit cherry-pickgit grepgit stash参考材料最近在代码开发的过程中,逐渐认识到了版本管理过程中提交记录维护的重要。一个好的项目提交记录可以方便地跟踪工程历史,不必深入看代码即可了解当前commit的作用,提高项目的整体质
2021-10-06 20:36:26
2092
原创 vnpy跑no_ui报EOFError:Ran out of input
vnpy跑no_ui报EOFError:Ran out of input跑vnpy的no_ui脚本时,报以下问题,查了好半天,在这里记录一下。解决办法时,使用pip重新安装ipython,之后就可以运行了,神坑啊。
2021-07-31 22:18:05
288
原创 《讨好型人格》读书笔记分享
《讨好型人格》,为什么我们总是成全别人,委屈自己?本书由人际心理学关系专家、手绘师、工艺师——黄志坚所著。书中列举了讨好型人格的表现、思维逻辑、原因以及应对措施。读完之后,总会有章节会有共鸣,书中的理论、观点与自己的现实感受与总结不谋而合,也为自己认识人际关系、了解自我提供了一定的理论支持。这本书是一本值得阅读的书籍。书中共有八章,每章差不多八节,行文结构是以“小节标题为观点,以正文论证观点”的形式。首先梳理一下本书的结构,掌握了本书的结构,书中的观点基本就都掌握了;然后,对阅读过程中的重要观点与认识进行书
2021-03-10 22:36:54
618
2
原创 《本质思考 · 从底层思维构建解决问题的支点》读书笔记分享
《本质思考 · 从底层思维构建解决问题的支点》这本书由日本庆应义塾大学研究生院教授、全球咨询巨头埃森哲原董事总经理——米泽创一所著,它聚焦人人都应规避的9大思考陷阱,教你更快、更深、更持久地解决问题。不管是执行计划还是解决问题时,很多人总会遇到各种各样的麻烦,不是速度太慢,就是拖拖拉拉,难以一步到位。之所以出现这种情况,很大程度上是因为人们缺乏把握事物本质的能力。脱离事务的本质,任何解决措施都将彻底失去精准度,成为纯靠运气的“无的之矢”。要想始终围绕“本质”这个核心,在思维的输入输入端,人们必须掌握精准的沟
2021-03-09 13:28:17
1348
4
原创 【vn.py学习笔记(八)】vn.py utility、BarGenerator、ArrayManager源码阅读
这次来学习一下vnpy/trader/utility.py下的内容,utility.py下的内容可以分为三个部分:工具函数、BarGenerator、ArrayManager,其中工具函数部分比较好理解,只是对通用的一些功能进行的封装;BarGenerator是K线合成器,负责根据实时接收的tick数据合成1分钟k线,并借此合成n分钟K线;ArrayManager是指标计算辅助类,负责维护一定量的历史数据,以供常见指标如sma、ema、atr等的计算。
2021-03-07 18:05:12
2711
2
原创 【vn.py学习笔记(七)】vn.py rqdata封装、datasbase等数据服务源码阅读
这次来看一看vn.py的数据服务是怎么写的,与数据服务相关的主要是对rqdata的封装和database模块。参考rqdata的封装,我实现了一个对tushare获取股票日线数据的封装,可以参考之前的文章《[基于tushare的A股市场行情维护程序](https://blog.csdn.net/PAN_Andy/article/details/113946387)》。下一篇将会来学习vn.py 核心trader的最后一部分代码vnpy/trader/utility.py的内容。
2021-03-07 13:36:47
2398
1
原创 【vn.py学习笔记(六)】vn.py constant源码阅读、委托生命周期
仍然关注vnpy/trader下的核心代码,这次先来看vnpy/trader/constant.py、vnpy/trader/object.py和vnpy/trader/setting.py,这块没有什么难以理解的内容;然后来梳理一下vn.py委托的生命周期,这块是我在学习vn.py官方的教程时很难理解的地方,但对将来精细化交易控制非常重要,借此机会梳理一下。下一篇内容将来介绍vnpy/trader对rqdata的封装。
2021-03-06 16:39:23
894
1
原创 【vn.py学习笔记(五)】vn.py Base、Log、Oms、Email Engine源码阅读
继续阅读vnpy/trader/engine.py的内容。下一篇内容将来学习一下vnpy/trader/constant.py里定义的vn.py的常量,同时来分析一下vn.py中订单的生命历程。我之前看的vn.py官方课程里面讲的,订单的生命历程对精细化交易非常重要,趁此机会整理一下。 vnpy/trader/engine.py文件内还有三个引擎LogEngine、OmsEngine、EmailEngine,和一个引擎的基类BaseEngine,vn.py代码中所有的引擎都派生于引擎
2021-03-05 23:37:26
2733
1
原创 【vn.py学习笔记(四)】vn.py MainEngine源码阅读
从这一篇开始便没有书可以参考了,接下来的vn.py笔记会记录我对vn.py源码的理解,尽量从整体上对vn.py进行把握,同样,我收集到的相关学习资料也会列出。 gateway交互函数2.5 工具函数3 应用示例学习资料 从这一篇开始便没有书可以参考了,接下来的vn.py笔记会记录我对vn.py源码的理解,尽量从整体上对vn.py进行把握,同样,我收集到的相关学习资料也会列出。1 MainEngine的地位 MainEngine位于vnpy/trader
2021-03-03 21:51:05
1394
1
原创 【vn.py学习笔记(三)】vn.py事件引擎 学习笔记
事件引擎是vn.py的核心组件,通过对接底层接口和上层应用模块,维持整个交易系统的正常动作。与常见的时间驱动不同,事件引擎的设计基于事件驱动。
2021-03-02 22:38:36
1894
原创 【vn.py学习笔记(二)】vn.py底层接口 学习笔记
【vn.py学习笔记(二)】vn.py底层接口 学习笔记CTP API的工作原理CTP介绍API功能介绍CTP API文件API 通用规则CTP API的Python封装设计封装设计思路封装后API工作流程CTP API对接中层引擎原理参考资料 笔者刚接触量化投资,对量化投资挺感兴趣,在闲暇时间进行量化投资的学习,只能进行少量资金进行量化实践。目前在进行基于vnpy的A股市场的量化策略学习,主要尝试攻克的技术难点在:A股市场日线数据的免费获取维护、自动下单交易、全市场选股程序、选股策略的回测程序、基于机
2021-03-02 19:09:44
3148
原创 【vn.py学习笔记(一)】vn.py架构学习笔记
vn.py架构学习笔记1 基础架构2 底层接口3 中层引擎4 上层应用参考资料 笔者刚接触量化投资,对量化投资挺感兴趣,在闲暇时间进行量化投资的学习,只能进行少量资金进行量化实践。目前在进行基于vnpy的A股市场的量化策略学习,主要尝试攻克的技术难点在:A股市场日线数据的免费获取维护、自动下单交易、全市场选股程序、选股策略的回测程序、基于机器学习的股票趋势预测。 书中介绍的的是vn.py v1.9.2LTS版本,笔者接下来的vn.py学习笔记将基于vn.py最新的源码进行学习分享,有不对的地方欢迎大
2021-03-01 20:25:02
3109
原创 基于tushare的A股市场行情维护程序
tushare是一个基于Python的金融数据接口,拥有丰富的数据内容,如股票、基金、期货、数字货币等行情数据,也有公司财务、基金经理等基本面数据等。特别重要的是,tushare提供的数据是免费的!!!个人开发需要的是A股日线数据,所以tushare是首选。
2021-02-22 17:52:50
1202
4
原创 video_analyst项目搭建与siamfc++小结
文章目录video_analyst简介开源video_analystRepository structure(in progress)帮助文档整理DEVELOP.md注册机制 registry mechanism配置树 configuration tree添加自己的模块 add you own moduletemplate_moduleProcess to GoMiscPros of this d...
2020-04-06 18:55:45
3671
8
原创 PolarMask代码阅读小结
文章目录项目背景mmdetection简介1 MMdetection的主要特点:2 组件的四种类型3 一些理解使用基本组件建立模型PolarMask安装安装script安装过程报错PolarMask项目架构项目构架图key repository structure参考资料项目背景论文:https://arxiv.org/abs/1909.13226源码:https://github.com/...
2020-04-06 15:42:34
2811
16
原创 ubuntu源更新问题的坑
源更新问题我遇到的报错误以下这两种错误应该都是源出现问题了。(1)在执行sudo apt-get update的时候报错:获取:3 http://1.1.1.2/ac_portal/proxy.html?template=disclaimer&tabs=pwd&vlanid=0&url=http://mirrors.tuna.tsinghua.edu.cn/ubunt...
2020-03-23 18:16:15
7678
2
原创 Fcos: Fully convolutional one-stage object detection 论文阅读小结
Abstract:FCOS方法是一种anchor的方法,不需要预定义的anchor,避免了由anchor引起的复杂的计算,也减少了针对anchor的超参数,这些超参数对最终的检测结果影响很大。 只使用了一个NMS后处理程序,FCOS就能以非常简单的特性超过此前的一阶检测器,这篇论文也是第一提出如此简单且灵活的高精度检测框架。 FCOS能够为例如实例分割等任务服务。 ICCV'19...
2020-03-19 20:23:12
278
原创 PolarMask: Single Shot Instance Segmentation with Polar Representation 论文学习
- **Problem Statement**实例分割通常通过在边界框包围的空间中进行二值分类来解决,这样逐像素计算代价相当大。本文力求用轮廓表示来建模分割掩膜,并且使用极坐标表示法来进行轮廓建模;对使用坐标表示进行建模时的模型训练,又提出了Polar Centerness和Polar IoU Loss,能大大提高模型的性能。- **Method(s)**(1)提出了PolarMask框架,将实例分割问题形式化为实例中心的分类和密集距离回归,以一种简单高效的方式实现了实例分割;(2)针对Polar
2020-03-17 16:37:56
2021
6
原创 SiamFC++: Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines 论文学习
SiamFC++: Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines 论文学习论文阅读总结Translation1 Introduction2 Related Work3 Distractor-aware Siamese Networks4 Experiments5 Conclusions论...
2020-03-05 13:14:00
6074
2
原创 Siam R-CNN: Visual Tracking by Re-Detection 论文学习
Siam R-CNN: Visual Tracking by Re-Detection论文学习论文阅读总结TranslationAbstract1 Introduction2 Related Work3 Distractor-aware Siamese Networks4 Experiments5 Conclusions论文阅读总结Summary总结论文方法的特点。写完笔记之后最后填,概...
2020-02-29 23:16:08
4028
1
原创 Convolutional Neural Networks for No-Reference Image Quality Assessment 论文翻译
在这项工作中,我们描述了卷积神经网络(CNN),可在没有参考图像的情况下准确预测图像质量。 以图像块为输入,CNN可以在空间域中工作,而无需使用大多数先前方法所采用的手工特征。 该网络由一个具有最大和最小池化的卷积层,两个完全连接的层和一个输出节点组成。 在网络结构内,特征学习和回归被集成到一个优化过程中,这产生了一个更有效的模型来估计图像质量。 这种方法在LIVE数据集上实现了最先进的性能,并在跨数据集实验中显示了出色的泛化能力。 对具有局部失真的图像的进一步实验证明了CNN的局部质量估计能力,这在以前的
2020-02-26 17:05:38
1250
原创 知识图谱 调研学习
文章目录0 前言1 什么是知识图谱?1.1 知识图谱的概念和分类1.1.1 知识图谱的概念1.1.2 知识图谱的分类1.2 知识图谱的发展历程2 知识图谱的框架、技术体系知识表示与建模知识获取知识集成(融合)知识服务(知识存储、查询和应用)RDF数据模型3 知识图谱的应用整理通用知识图谱应用领域知识图谱应用学习材料0 前言1 什么是知识图谱?1.1 知识图谱的概念和分类1.1.1 知识图谱...
2020-02-23 17:19:59
956
原创 SiamRPN++:Evolution of Siamese Visual Tracking with very Deep Netwrks 论文学习
阅读疑问(1)第3.1节的分析与实验不是很懂? SiamFC中的孪生追踪框架存在两个固有的限制:(1)网络需要严格的平移不变性,所谓需要严格的平移不变性,就是网络的输出对目标在原始图像中不同位置有相同的响应,相似度网络的输出与目标在图像中的位置无关;(2)网络具有对称性,SiamFC是通过学习相似度度量来进行目标追踪的,如果将搜索区域图像和模板区域图像进行互换,网络的输出结果应该保持不变,这是由度量的性质决定的。&emps; 现在化的深度网络在应用与孪生追踪框架时,比如ResNet50,会引入pad
2020-02-23 17:17:05
899
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人