年化3.0

B站大学

1-债基选长期回撤低,手续便宜
2-支付宝选择普通人性价比高,手续费可能也高些
3-证券投资基金–投资股票和债券为主
债券–①国债(风险低)–②地方政府债–③企业债(风险相对高)
风险:股票>可转债券>债券
4-债券基金分为:①纯债基金–②一级债基–③二级债基–④可转债基金(在特定条件和特定时间转换成股票的特殊企业债)
5-新手建议:只买纯债基金–历史回撤<(-0.5%)–年化>(+3%)
6-混合型基金–不建议新手购买,老玩家不会特意去碰–得看基金经理操作水平怎么样

1-股票型基金–几乎买股票的基金–两类–①普通型股票型基金–②指数型基金
2-指数基金–指数代表一篮子股票整体的涨跌情况–“大盘”上证指数,把上海交易所所有的股票抓出来,如果这些股票同时涨,指数就涨,跌亦然;有涨有跌,指数就不动。
3-场内场外交易–支付宝(场外)–ETF(场内)–场内基金可以在场外购买
4-我国重要的指数–上证指数(3000点保卫战)–沪深300指数(上海交易所和深圳交易所里最厉害的300个股票)–创业板指数(中国在创业板上市的所有股票和中国最厉害的50家公司中证50指数和高分红的红利指数等)
5-美国的纳斯达克指数–日本的日经指数–印度的孟买指数–通过ETF购买,赌其他国家的国运
6-宽基指数–规模比较大的指数
7-行业指数–光伏ETF–新能源ETF–银行ETF–芯片ETF

  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值