1. 基本概念
2. 在生成对抗网络（GAN）中，判别器（Discriminator）是其中一个核心组件。GAN主要由生成器（Generator）和判别器组成。生成器的目的是生成尽可能逼真的数据，而判别器的目的是区分输入的数据是来自真实的数据分布还是由生成器生成的假数据。
3. 例如，以生成手写数字图像为例。生成器会尝试从随机噪声向量生成看起来像手写数字的图像。判别器则会接收真实的手写数字图像（来自数据集，如MNIST数据集）和生成器生成的手写数字图像，然后判断每个图像是真实的还是生成的。
4. 数学原理
5. 从数学角度看，设真实数据分布为(P_{data}(x))，生成器生成的数据分布为(P_{g}(x))。判...

Read more

幻方AI致力于拓展能力边界，激发想象力与创造力，在多个领域有所应用，其主要成果包括： 1. 分时调度共享算力：利用分时调度技术，实现共享AI算力，可弹性运行超大规模深度学习训练，如用于投资的对冲基金及基础科学研究等。 2. 深度学习训练平台「萤火二号」 - 核心理念与体验：以“任务级分时共享”为核心，调度系统秒级响应，确保研究人员训练顺畅。 - 软件层支持 - 高性能算子库（hfai.nn）：由NOI/ACM金牌团队持续优化核心算子，提升LSTM、Attention等算子性能。 - 分布式训练通讯框架（hfreduce）：针对定制硬件优化a...

Read more

torchvision是PyTorch的一个计算机视觉库，它提供了丰富的工具和数据集，方便用户进行计算机视觉任务的开发和研究，以下是具体介绍：

主要功能

• 数据集处理：包含了许多常用的计算机视觉数据集，如MNIST、CIFAR-10、Caltech 101/256、ImageNet等，并提供了方便的数据加载和预处理功能，用户可以轻松地将这些数据集用于模型训练和测试。
• 模型架构：提供了各种经典的计算机视觉模型架构的实现，如AlexNet、VGG、ResNet、Inception等，这些模型可以直接使用或进行微调，以满足不同的任务需求。
• 数据转换与增强：支持对图像数据进行各种转换和增强操作，...

Read more

在Python中，iter是一个内置函数，用于获取一个可迭代对象的迭代器，以下是具体介绍：

基本用法

• iter函数的语法为iter(object[, sentinel])，其中object是必需的参数，指定要转换为迭代器的可迭代对象或支持迭代协议的对象；sentinel是可选参数，用于指定一个标记值，当迭代器遇到该标记值时停止迭代。
• 当只传递一个参数object时，iter函数会返回该对象的迭代器。例如，对于列表、元组、字符串等可迭代对象，可以使用iter函数获取它们的迭代器，然后通过next函数逐个获取元素：

my_list = [1, 2, 3, 4, 5]
my_iter = ...

Read more

COCO（Common Objects in Context）是一个大规模的用于对象检测、分割和字幕生成的数据集，其相关信息总结如下： 1. 重要通知 - LVIS 2021挑战赛和研讨会将在ICCV举行，2021年无COCO挑战赛，鼓励参与LVIS 2021挑战赛。 - 与开源工具FiftyOne合作，便于下载、可视化和评估COCO，FiftyOne可作为模型分析的评估工具。 2. 数据集特点 - 包含330K图像（超200K已标注）、150万个对象实例、80个对象类别、91个stuff类别、每张图像5条字幕、250,000个带关键点的人。 - 具有对象...

Read more

目标检测是计算机视觉领域中的一项重要任务，旨在从图像或视频中识别出特定目标的位置和类别，以下是详细介绍：

任务定义

• 输入一幅图像或一段视频，目标检测系统需要在其中找出感兴趣的目标物体，确定它们的位置和类别。位置通常用边界框（Bounding box）表示，类别可以是各种预定义的物体类别，如人、车、动物、物体等。

主要技术

• 传统目标检测方法：主要基于手工特征和机器学习算法，如Haar特征与Adaboost分类器结合的Viola-Jones算法，以及HOG特征与SVM分类器结合的方法。这些方法先通过手工设计的特征提取器提取图像特征，再使用分类器进行目标分类和定位。
• 基于深度学习的目标检...

Read more

健康检查功能

自检功能

自动修复/故障自愈功能

自动化部署功能

• 自动部署系统
• setups
• 一键能够拉起系统

自动测试系统

监控系统

存活监控

性能监控

调用链监控

todolist

• 申请免费的一年期的免费证书
• 在one.aicda.fun上 拉取最新代码然后 docker-compose up 完成部署
• 修改数据库连接地址 与集合 CanTradeStock *

Read more

预测模块

• 问题：预测股票价格功能 3000只股票-需要时间大概6个小时
• 剥离数据采集功能 单独执行
• 预测价格功能 多进程方案重写
• 入库功能-待定-可以采用redis实现异步写功能

2025-04-23

Todo

默认预测取得数据是365 天， 如果股票的真实数据小于365 天会报错

Read more

统计功能

• 历史预测价格追踪
• 集合竞价9:15-9:30 价格变化可视化-折线图

数据分析

预测准确率

mongodb数据库连接为192.168.3.3， 文档predictPrice 存放预测的股票价格数据 文档内各字段含义 predict_date: 预测日期字段 change_percentage 涨跌幅百分比, latest_price: 昨天价格, predicted_price 预测今天的价格, price_change: 价格变动数额, generate_date: 生成日期字段 使用 akshare.stock_zh_a_...

Read more

任务列表

Todo

接口数据请求 并发处理，加入消息队列，进行并行请求

使用多个机器进行并发请求

后端接口

StockAPI

todo * 更新canTradeStockSet 的API 接口

• 数据采集接口

• 预测收盘价格接口

• 预测股票接口

修改后段接口增加参数 生成日期 写个函数 实现功能 给所有文档增加一个字段 生成日期 值为‘2024-11-20’

根据添加股票页面， 设计一个addStock 的fastapi 生成到main.py 中， 数mongodb 连接地址为192.168.3.3 据库为stock_database， 文档为 stocksBought

Read more