欢迎光临散文网 会员登陆 & 注册

量化合约/合约量化系统开发(参考案例),合约量化/量化合约系统开发(成熟及源码)

2023-04-01 18:21 作者:bili_63665850478  | 我要投稿

  区块链助推供应链上的数据更加透明,供应链上的企业可以准确的使用端到端的透明数据,区块链技术可以有效的对供应链上企业的交易进行数字化的处理,并且可以建立一个分散式的不可更改的所有交易记录,可以实现数据的实时共享,有效的降低数据信息获取的时间成本。


  随着区块链技术的普及,智慧供应链下的数字经济将会更加真实可信,随着区块链在供应链领域的深入应用与发展,未来的数字经济社会将会变得更加公正和透明。


  “量化交易”有着两层含义一是从狭义上来讲,是指量化交易的内容,将交易条件转变成为程序,自动下单;


  二是从广义上来讲,是指系统交易方法,就是一个整合的交易系统


  数字经济是指以使用数字化的知识和信息作为关键生产要素、开发详细唯:MrsFu123,以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化重要推动力的一系列经济活动。通俗来说,数字经济是随着信息技术革命发展而产生的一种新的经济形态。


  import onnxruntime as ort


  #加载ONNX模型


  ort_session=ort.InferenceSession("model.onnx")


  #准备输入信息


  input_info=ort_session.get_inputs()[0]


  input_name=input_info.name


  input_shape=input_info.shape


  input_type=input_info.type


  #运行ONNX模型


  outputs=ort_session.run(input_name,input_data)


  #获取输出信息


  output_info=ort_session.get_outputs()[0]


  output_name=output_info.name


  output_shape=output_info.shape


  开发方案I35源码7O98系统O7I8


  output_data=outputs[0]


  print("outputs:",outputs)


  print("output_info:",output_info)


  print("output_name:",output_name)


  print("output_shape:",output_shape)


  print("output_data:",output_data)


  torch.onnx.export(


  model,


  args,


  f,


  export_params=True,


  opset_version=10,


  do_constant_folding=True,


  input_names=['input'],


  output_names=['output'],


  dynamic_axes=None,


  verbose=False,


  example_outputs=None,


  keep_initializers_as_inputs=None)


  import torch


  import torchvision


  import numpy as np


  #定义一个简单的PyTorch模型


  class MyModel(torch.nn.Module):


  def __init__(self):


  super(MyModel,self).__init__()


  self.conv1=torch.nn.Conv2d(3,32,kernel_size=3,stride=1,padding=1)


  self.relu=torch.nn.ReLU()


  self.maxpool=torch.nn.MaxPool2d(kernel_size=2,stride=2)


  self.conv2=torch.nn.Conv2d(32,64,kernel_size=3,stride=1,padding=1)


  self.flatten=torch.nn.Flatten()


  self.fc1=torch.nn.Linear(64*8*8,10)


  def forward(self,x):


  x=self.conv1(x)


  x=self.relu(x)


  x=self.maxpool(x)


  x=self.conv2(x)


  x=self.relu(x)


  x=self.maxpool(x)


  x=self.flatten(x)


  x=self.fc1(x)


  return x


  #创建模型实例


  model=MyModel()


  #指定模型输入尺寸


  dummy_input=torch.randn(1,3,32,32)


  #将PyTorch模型转为ONNX模型


  torch.onnx.export(model,dummy_input,'mymodel.onnx',do_constant_folding=False)


量化合约/合约量化系统开发(参考案例),合约量化/量化合约系统开发(成熟及源码)的评论 (共 条)

分享到微博请遵守国家法律