解決ubuntu18.04與win10雙系統時間不一致的問題 取得連結 Facebook X Pinterest 以電子郵件傳送 其他應用程式 - 11月 17, 2019 sudo apt-get install ntpdate sudo ntpdate time.windows.com pip3 uninstall numpy123 取得連結 Facebook X Pinterest 以電子郵件傳送 其他應用程式 留言
使用證交所csv資料應用至 LINE Notify執行收盤買賣超回報 - 1月 19, 2021 證交所皆有提供收盤資料至網站中,這次要研究的是三大法人(外資投信自營商)的收盤買賣超資料,詳細的資料在 此頁面 的右下角: 這時點進 外資及陸資買賣超彙總表 可以發現該頁面有提供CSV檔案下載,將滑鼠移至CSV下載的按鈕之後,瀏覽器的左下角會出現一行網址: 此行網址代表可以讓使用者像伺服器發出請求下載這個檔案,因此只要複製這個網址在任何瀏覽器搜尋,會直接下載這個檔案,這時可以通過觀察外資投信自營商各自頁面的CSV下載按鈕,發現各自的網址是: 外資:https://www.twse.com.tw/fund/TWT38U?response=csv&date=20210118 投信:https://www.twse.com.tw/fund/TWT44U?response=csv&date=20210118 自營商:https://www.twse.com.tw/fund/TWT43U?response=csv&date=20210118 經由觀察發現只要修改網址後面的"date="參數以及/fund之後的三大法人編號,即可下載當日三大法人的買賣超資料,我們可以使用Python的wget套件下載資料,範例如下: import wget wget.download('https://www.twse.com.tw/fund/TWT38U?response=csv&date=20210118') 這時下載完成的檔案會是CSV檔,檔名是法人編號+日期.csv,打開此3個CSV檔可以發現前3行跟倒數後7行都是無用的資料,如下圖: 我們可以用python讀入csv檔,再將上圖紅框處的無用資料慮除。 number=[] #建立number陣列 f = open(csvfilename, newline='', encoding='cp950') #csvfilename是檔名 rows = csv.reader(f, delimiter=',') for row in rows: number.append(row) #將row讀入number陣列 我們可以發現三大法人的資料有很多列,但是我們只需要證券代號以及買賣超股數,我們還需要對csv做處理才能讀... 閱讀完整內容
使用CoinGlass API及Google Cloud Platform(GCP)結合 LINE Notify執行資金費率套利回報Part.2 - 9月 11, 2023 上一篇 我們處理了CoinGlass的資料,只保留了Binance、OKX、Bybit、Bitget、BingX,5間交易所的資訊,並且將幣種只有一間交易所有上架的刪除。 這時我們要做的是找到各個交易對中最大以及最小的資金費率,相加減後做排序,即是找到的最大套利機會幣種,我們可以用以下程式: 閱讀完整內容
heatmap-視覺化你的模型辨識特徵 - 4月 12, 2020 本模型使用ResNet20訓練cifar10資料集保存的權重。 載點 點我 論文出處:Grad-CAM Visual Explanations from Deep Networks via Gradient-Based Localization 簡單來說cnn可以萃取圖片的特徵,越深的捲積層,越可以表現重要,可讓神經網路學習的特徵,Grad-CAM的目的就是提取最後一層的特徵,並且resize為原圖的大小,這就可以視覺化你的模型辨識特徵 程式碼如下: import cv2 import numpy as np from keras.models import load_model #用來啟動 NN from keras import backend as K from matplotlib import pyplot as plt test_image = cv2.resize(cv2.imread('./plane1.jpg'),(32,32)) test_image = np.asarray(test_image.astype("float32")) test_image = test_image/255. test_image = test_image.reshape((1,32,32,3)) model=load_model('./resnet_softmax.h5') preds = model.predict(test_image) print("所有結果resnet_softmax=",preds) print("第"+str(np.argmax(preds[0])+1)+"類") #返回數值最大的索引 #model.summary() model_output = model.output[:, np.argmax(preds[0])] last_conv_layer = model.get_layer('conv2d_22') grads = K.gradients(model_output, last_conv_layer.output)[0] pooled_grads = K.mean... 閱讀完整內容
留言
張貼留言