一、概述　　我准备做一个个人站，把这些年积累的文章整理下、汇总下，最近python用的多，就想看看万能的python现在能不能做网站了，后台当然我们知道是有的，前端之前是没有的，结果这一搜还真有了几个框架　　Streamlit、Brython、remi、pywebio　　我的需求就是常规个人站，然后需要绘制一些图表，需要绘制K线，我就按这个需求来比较下这几个框架那个更合适。不过也可以先搞个简单的架

但上述两个方案都存在“音画同步”的问题，因为无论是opencv还是moviepy都只负责将视频切片成帧，播放则是pygame自己在执行一个while循环来不停切换界面上展示出来的图片帧，这也就导致while循环很快就将帧播放完毕，而音频则还按着原有节奏缓慢播放。上述两个方案其实都是先将mp4的视频分离成“画面帧”和“mp3音频”，所谓的播放实际上是不停地在切换“画面帧”，同时播放音频，最终实现音视

一、序言　　dropout和L1、L2一样是一种解决过拟合的方法，梯度检验则是一种检验“反向传播”计算是否准确的方法，这里合并简单讲述，并在文末提供完整示例代码，代码中还包含了之前L2的示例，全都是在“深层神经网络解析”这篇基础之上修改的。二、dropout　　简单来说dropout就是在每次训练时“随机”失效网络中部分神经元，大概就是下图这么个意思。　　让神经元随机消失...

一、序言　　动量梯度下降也是一种神经网络的优化方法，我们知道在梯度下降的过程中，虽然损失的整体趋势是越来越接近0，但过程往往是非常曲折的，如下图所示：　　特别是在使用mini-batch后，由于单次参与训练的图片少了，这种“曲折”被放大了好几倍。前面我们介绍过L2和dropout，它们要解决的也是“曲折”的问题，不过这种曲折指的是求得的W和b过于拟合训练数据，导致求解曲线很曲折...

概述K线合成是指将原始的TICK数据按时间范围进行汇总，如下表所示的TICK数据，时间价格成交量2021年11月15日09点13分22秒000毫秒19212021年11月15日09点13分22秒250毫秒19022021年11月15日09点13分22秒500毫秒1

一、概述　　前一节讲了如何用极星每日批量获取TICK数据，并存到CSV文件，存储格式是：　　【合约编号，时间戳，最新价】　　比如：ZCE|F|AP|112,20211102145321750,8035.0　　交易日11月2日，跑了ZCE全部198个合约，得到了676569条记录，CSV文件25M　　交易日11月3日，跑了ZCE全部198个合约，得到了755613条记录，CSV文件28M　　如果以此

一、序言　　反向传播在神经网络中用于优化权重w和阈值b，是神经网络优化的核心算法。经过数日的学习终于看明白了一点反向传播的原理，这里作文记录心得。　　本文先介绍一下基本的数学计算方法，然后根据“损失计算公式”推导出优化参数的反向传播方法。二、基本数学原理　　神经网络中优化参数w、b的方法称为反向传播，反向传播的具体实施方法称为“梯度下降”，梯度下降涉及两个基本的数学知识：求导、链式...

一、序言　　Adam是神经网络优化的另一种方法，有点类似上一篇中的“动量梯度下降”，实际上是先提出了RMSprop（类似动量梯度下降的优化算法），而后结合RMSprop和动量梯度下降整出了Adam，所以这里我们先由动量梯度下降引申出RMSprop，最后再介绍Adam。不过，由于RMSprop、Adam什么的，真的太难理解了，我就只说实现不说原理了。二、RMSprop　　先回顾一下动量梯...

一、序言　　前面的文章中，我们逐步从单神经元、浅层网络到深层网络，并且大概搞懂了“向前传播”和“反向传播”的原理，比较而言深层网络做“手写数字”识别已经游刃有余了，但神经网络还存在很多问题，比如最常见的两个问题：“过拟合”和“欠拟合”，下图中从左到右依次是“欠拟合”、“刚刚好”、“过拟合”。　　简单点说，欠拟合是我们学习到的w没能很好地“满足”训练数据的特征，一般是因为训练数据...

一、前言　　虽然极星9.5量化自带了一个boll回测的策略，但缺少一些说明，这里我就把回测说的详细点供大家回测时参考　　二、代码修改　　原生的代码自然不符合我们期望，所以做一些修改。　　1、合约订阅和触发方式全部在代码里实现　　只是习惯问题，而且要避免重复设置导致的不可预测问题。　　所以在启动时的属性设置页面啥都不要选，默认选择的能取消的就取消掉。......