程序员欢乐送(第14期)

2019年3月22日09:00:02 2 497 °C
摘要

程序员欢乐送:情绪识别、“折纸”机械臂、Jetson Nano、GauGAN、Dragonfly、pifpaf姿态估计、MSGAN、量化交易

程序员欢乐送(第14期)

对于我来说,我一直保持的追求有三点:技术、快乐、财富。因此,从此三点出发,记录过去一周,我所看到的,值得分享的内容,每周五把欢乐送达。

技术

1、情绪识别

你脸上的表情,现在正变成一场「情绪经济」。

早在 2009 年,第一家营销「人工情绪智能」的公司Affective就已经将情绪检测技术作为市场研究产品出售。包括检测机械员工损伤、视频游戏用户体验、协助医护人员评估患者健康等各行各业,围绕它的领域都在持续增长,亚马逊、微软和 IBM 也将「情绪分析」作为他们面部识别产品的主要功能进行宣传。

程序员欢乐送(第14期)

情绪是人类独有的情感表达方式,不同于语言和文字,情绪更多的和微表情、心理状态息息相关。通过识别情绪,可以深度挖掘个体差异化,例如,智慧课堂中对学习表情情绪的识别,可以判断个体个性化教育的差异,实现精准辅导、及时纠正,智慧教育。

2、“折纸”机械臂

机械臂想要抓取柔性材质的物体通常会很困难,这并不是因为研究人员进行的尝试不够,而是因为刚性的抓取钳本就不适用于精准的抓取工作。受折纸工艺的启发,麻省理工学院计算机科学及人工智能实验室(CSAIL)和哈佛大学的一批研究员设计了一种全新的抓取器,它能够抓住并举起各种形状、尺寸和重量的物体。

小身材大能量,这款“折纸”机械臂负荷超120倍自重。

程序员欢乐送(第14期)

3、Jetson Nano

作为AI芯片巨头的英伟达,2019年在GTC大会上的表现备受关注。

关注过英伟达硬件的朋友对Jeston TX1应该不陌生,我也在CSDN写过关于Jeston TX1的教程,它属于移动端的AI硬件平台,性能强悍,能提供1T FLOPS的计算性能,耗电量只有10多瓦。

给个直观点的感受,我在Jeston TX1上跑tiny-yolov3,帧率可以达到15FPS。

在GTC大会上,英伟达再次推出一款Jeston系列硬件平台Jetson Nano。

它是体积小巧、性能并不弱的小电脑,教主黄仁勋称之为“全新的机器人计算机”,共有两个版本。

一是99美元(约合人民币666元)的开发者套件,面向个人用户,比如创客、学生、技术爱好者;另一个版本129美元,可以部署到生产环境,面向的是想要构建边缘系统的企业。

当场,教主黄仁勋也拿出了一个基于Jetson Nano的无人车Kaya。

程序员欢乐送(第14期)

而性能,Jetson Nano能提供472 GFLOPS的计算性能,并且耗电量只有5瓦,目测性能大致为Jeston TX1的一半。

4、GauGAN

英伟达今日在美国旧金山举办的游戏开发者大会上,展示了能将粗糙涂鸦变成逼真画作的应用程序GauGAN。

简单的说,你只需要“涂出”一张用以告诉程序树在哪里,太阳在哪里,天空在哪里的图片。然后GauGAN就能根据它对真实图像的了解,自动填充细节、纹理、反射、阴影和颜色。

程序员欢乐送(第14期)

更为神奇的是,GauGAN还允许用户添加样式过滤器,让生成的图像更符合你的要求,例如将场景从正午改成日落。“它不是个可以切割和粘贴纹理的图像拼接软件,因为GauGAN是在“创造”新的图像,就像艺术家绘画时一样。”英伟达副总裁Bryan Catanzaro说道。

此外,代码即将发布。

项目地址:点击查看

5、Dragonfly

贝叶斯优化在许多应用中都有用武之地,但是面对越来越复杂的场景,贝叶斯优化也迎来了更多的挑战。Dragonfly为贝叶斯优化提供了多种优化方法,为贝叶斯优化做出了贡献。

程序员欢乐送(第14期)

项目地址:点击查看

6、pifpaf姿态估计

pifpaf是2019年的一篇CVPR,它提出了一种bottom-up的多人二维人体姿态估计方法,适用于自动驾驶汽车和运载机器人等应用场景。

程序员欢乐送(第14期)

感兴趣的可以看下。

项目地址:点击查看

7、MSGAN

GAN、GAN、GAN,还是GAN,近期GAN的文章真的很多。

MSGAN:Mode Seeking Generative Adversarial Networks for Diverse Image Synthesis 是2019年的CVPR,废话不多说,直接看效果吧。

程序员欢乐送(第14期)

感兴趣的朋友可以看下。

项目地址:点击查看

快乐

1、硬核老母亲,在线删好友

程序员欢乐送(第14期)

2、学到了有一种男生叫甘蔗男

程序员欢乐送(第14期)

财富

今天说说什么是量化交易。

量化交易比传统交易强多少?

它能让你的交易效率提高百倍,量化交易之于传统交易方法,如同大型收割机之于锄头镰刀,机枪大炮之于刀剑棍棒。

也就是是说,传统交易方法是这样的:

程序员欢乐送(第14期)

而量化交易是这样的:

程序员欢乐送(第14期)

在金融最为发达的美国,量化交易已大行其道,占据了70%以上的股市成交量。可以说量化交易是未来的趋势。当然,只言片语不能解释清楚,接下来,我们具体地介绍下量化交易。

量化交易是做什么?

量化交易是指借助现代统计学和数学的方法,利用计算机技术来进行交易的证券投资方式。便于理解的说,量化交易主要是做这样的事:

从一个灵感开始

灵感就是指那些你想验证的可能会盈利的方法,比如银行股可能是良好的投资品种、一旦跨过20日均线后股价会继续涨、流传许久的羊驼交易法等等。灵感获取的方式可以是阅读、听人说、自己悟等等。

这里我们以一个简单的情况为例进行讲解。比如你的灵感是这样的:

如果股价显著低于近几日的平均价,则买入

如果股价显著高于近几日的平均价,则卖出

现在,你想知道这样操作究竟会不会赚钱?

显然它是不够明确的。比如多低叫显著低于?多高叫显著高于?近几日究竟是几日?买入卖出是买卖多少?我们把它细化:

如果股价低于近20日平均价10%,则用全部可用资金买入

如果股价高于近20日平均价10%,则卖出全部所持的该股票

还有一点不明确的地方,买卖哪个股票呢?我们认为这个交易方法盈利与否应该跟交易哪个股票关系不大,但st股票除外(知道st股票是一类有风险特别大的股票就好,详情请百度),所以股票的选择范围是除st股外的国内A股的所有股票。所以我们进一步细化:

每个交易日监测是除st股外的国内A股的所有股票的股价

如果股价低于近20日平均价10%,则用全部可用资金买入该股票

如果股价高于近20日平均价10%,则卖出全部所持有的该股票

现在我们基本已经把之前的灵感细化成明确的可执行的交易策略。当然,可能还有些地方不够明确,也可能有些细节还不确定要改动,这些可以随时想到随时再改,不必一次做到完美。

把策略转成程序

就是把明确后的策略通过编程转成程序,好让计算机能根据历史数据模拟执行该策略,以及能根据实际行情进行反应并模拟交易或真实交易。

简言之,就是把刚刚的策略翻译成计算机可识别的代码语言,即把这个:

每个交易日监测是除st股外的国内A股的所有股票的股价

如果股价低于近20日平均价10%,则用全部可用资金买入该股票

如果股价高于近20日平均价10%,则卖出全部所持有的该股票

写成类似这样的代码(下面的代码并不完全符合,只是展示下大概的样子):

这样一来,就把刚才细化好策略转成了代码程序,计算机就能运行了。这个过程你可以理解成用计算机能听懂的语言(代码),把你的策略告诉给计算机了。

检验策略效果

现在计算机理解了你的策略,你现在可以借助计算机的力量来验证你的策略了。基本的检验策略方法有回测和模拟交易两种方法。

回测是让计算机能根据一段时间的历史数据模拟执行该策略,根据结果评价并改进策略。继续之前的那个均价的策略例子的话就是这样的:

设定初始的虚拟资产比如500000元、一个时期比如20060101到20160101,把这一时期的各种数据如估计股价行情等发给计算机,计算机会利用这些数据模仿真实的市场,执行你刚才告诉它的策略程序。最后最后计算机会给你一份报告,根据这个报告你就会知道,在20060101的500000元,按照你的策略交易到20160101,会怎样?一般包括盈亏情况,下单情况,持仓变化,以及一些统计指标等,从而你能据此评估交易策略的好坏。

如果结果不好,则需要分析原因并改进。如果结果不错,则可以考虑用模拟交易进一步验证。

模拟交易是让计算机能根据实际行情模拟执行该策略一段时间,根据结果评价并改进策略。与回测不同,回测是用历史数据模拟,模拟交易使用实际的实时行情来模拟执行策略的。举例就是这样:

设定初始的虚拟资产比如500000元,选择开始执行模拟交易的时间点,比如明天。那么从明天开始,股市开始交易,真实的行情数据就会实时地发送到计算机,计算机会利用真实的数据模仿真实的市场,执行你的策略程序。同时,你会得到一份实时更新的报告。这报告类似于回测得到的报告,不同的是会根据实际行情变化更新。同样你能据此评估交易策略的好坏。

可见,回测是用历史数据模拟执行策略,模拟交易是用未来的实际行情模拟执行策略。如果策略在回测与模拟交易的表现都非常好,你可以考虑进行完全真实的真金白银的实盘交易。

进行实盘交易并不断维护修正

实盘交易就是让计算机能自动根据实际行情,用真金白银自动执行策略,进行下单交易。注意,这时不再是用虚拟资产模拟交易,亏损和盈利都是真钱。实盘交易一般也会给出一份类似模拟交易的会不断更新的报告,从而不断要观察策略的实盘表现并及时调整与改进策略,使之持续平稳盈利。

量化交易内容转自聚宽,更多量化知识:点击查看

最后

本周的程序员欢乐送,到此结束,下周再会。

weinxin
微信公众号
分享技术,乐享生活:Jack Cui公众号每周五推送“程序员欢乐送”系列资讯类文章,欢迎您的关注!
Jack Cui

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

目前评论:2   其中:访客  1   博主  1

    • avatar Danboard 来自天朝的朋友 谷歌浏览器 Mac OS X 10_13_6 上海市 华东师范大学电信出口 2

      印象中情绪识别很模糊,在一些数据集中,真人的判断率都很低(开心 愤怒 伤心 正常),这是按什么标准来的很好奇。

        • avatar Jack Cui Admin 来自天朝的朋友 Safari浏览器 Mac OS X 10_14_3 北京市 百度网讯科技联通节点

          @Danboard 情绪识别没有做过,我也不太清楚,有些玄妙,哈哈。感觉从面部的判断也是有限的。