A股开盘：深证区块链50指数涨0.93%，苏宁易购涨停

最新推荐文章于 2025-08-18 01:30:00 发布

转载最新推荐文章于 2025-08-18 01:30:00 发布 · 81 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://www.tuoluocaijing.cn/kuaixun/detail-158399.html

A股开盘，上证指数报3531.48点（+0.64%），深证成指报14670.11点（+1.12%）。区块链板块涨0.82%，深证区块链50指数涨0.93%。245只概念股中，161只上涨，38只平盘，46只下跌。苏宁易购涨停，天夏退跌停。

A股开盘，腾讯自选股数据显示，上证指数报3531.48点（+0.64%），深证成指报14670.11点（+1.12%），区块链板块涨0.82%，深证区块链50指数涨0.93%。245只概念股中，161只上涨，38只平盘，46只下跌。其中苏宁易购涨停，天夏退跌停。
文章链接：https://www.tuoluocaijing.cn/kuaixun/detail-158399.html
更多资讯：https://www.tuoluocaijing.cn

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

qq_37367026

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

芯片 Chip 制造技术之：深紫外光刻 Lithography 与极紫外 Lithography 光刻

AI天才研究院

09-24

3926

在当今数字时代,芯片已成为现代电子设备的核心组件,支撑着从智能手机到超级计算机的各种应用。芯片制造技术的进步直接影响着电子产品的性能、功耗和成本。其中,光刻技术作为芯片制造的关键环节,一直是半导体行业研究和投资的重点领域。光刻技术的本质是利用光学成像原理,将集成电路设计图形通过光学系统投影到涂有光刻胶的晶圆上,从而实现纳米级精度的图形转移。随着摩尔定律的不断推进,传统光刻技术面临着分辨率极限的挑战。

Python从0到100（九十八）：融合选择性卷积与残差结构的SKResNet架构详解

全网粉丝10w+，优快云、稀土掘金人工智能签约作者、专家博主，华为云十佳博主，985人工智能硕士。人工智能、大模型、计算机视觉、Python 爬虫— —商务合作：https://bbs.youkuaiyun.com/topics/614347534

06-02

1万+

Selective Kernel Residual Network（SKResNet）是一种结合了选择性卷积核机制和残差连接的深度神经网络架构。它通过动态选择不同尺度的卷积核来自适应地提取多尺度特征，在保持计算效率的同时显著提升了模型的表达能力和性能。

参与评论您还未登录，请先登录后发表或查看评论

20240708（周一）AH股行情总结：沪指跌近1%，集运指数多合约跌停，国债跌幅缩窄，微盘股指数跌超3%

加百力的技术博客

07-08

1244

航运、减肥药概念领跌，银行、电力股逆势走强。集运指数（欧线）期货多个合约跌停。中远海控跌超5%。国债期货午后反弹，跌幅收窄，30年期国债期货早盘一度跌超0.6%。

TuShare（1）：Python股票抓取工具TuShare

freewebsys的专栏

03-03

1万+

TuShare是一个免费、开源的python财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工到数据存储的过程，能够为金融分析人员提供快速、整洁、和多样的便于分析的数据，为他们在数据获取方面极大地减轻工作量，使他们更加专注于策略和模型的研究与实现上。考虑到Python pandas包在金融量化分析中体现出的优势，TuShare返回的绝大部分的数据格式都是pandas DataFrame类型，非常便于用

kaggle-2美国人口普查年收入50K分类

热门推荐

常思考->有目标->重实践->善反思

12-31

2万+

本文主要是使用xgboost， RandomForestClassifier算法实现美国1994年人口普查数据，居民年收入是否超过50K的分类问题。主要内容如下:1 数据预处理数据信息查看，添加对应的列标签缺失值处理，以及属性值替换 Ordinal Encoding to Categoricals（string 特征转化为整数编码） 2 模型训练以及验证 xgboost算法分类以及GridS

Elasticsearch BBQ 与 OpenSearch FAISS：向量搜索性能对比

Elastic 中国社区官方博客

04-16

2806

Elasticsearch BBQ 与 OpenSearch FAISS 的性能对比。带有二值量化的向量搜索：使用 BBQ 的 Elasticsearch 比使用 FAISS 的 OpenSearch 快 5 倍。Elastic 收到了来自社区的请求，希望澄清 Elasticsearch 与 OpenSearch 在性能上的差异，特别是在语义搜索 / 向量搜索方面，因此我们进行了这些性能测试，以提供清晰、数据驱动的对比。

【2019年04月04日】股市指数估值排名

乌龟量化

04-04

1518

1 - 全指材料(SH000987) - PE_TTM：17.10，PE百分位：8.21% - PB_TTM：2.05，PB百分位：40.45% - 股息：1.38% - ROE：12.87% - peg：0.36 - 成分股平均净利润同比增速：40.97% - 成分股平均A股流通市值：102.22亿 - 指数起始日期：2011-08-03 - 近一月涨跌: 13.08% - 近一年涨跌: -...

AI大模型实践：基于Hugging Face Transformers的Vision Transformer (ViT) 医学影像分类

编程技术探索者，分享C/C++、C#、Java、数据库等开发经验，聚焦实战技巧与AI兴趣，助力编程爱好者成长。

08-18

4782

本文深入探讨如何使用Hugging Face的Transformers库加载预训练Vision Transformer (ViT)模型，应用于医学影像分类任务（如肺结节检测、乳腺癌诊断、脑肿瘤分类），并结合决策树和随机森林方法，全面覆盖原理、实现细节和应用场景。内容将从基础理论到代码实现、优化策略和可视化分析，辅以流程图，易于理解，适合深度学习初学者和医学影像领域的实践者。

GPT-5：AI登月时刻的智能范式跃迁

打造全国最全的AI Agent开发知识领域的博客

08-08

1812

GPT-5开启AI新纪元！融合模型架构实现博士级推理能力，编程效率提升300%，医疗诊断准确率突破98%，免费用户可享连续数小时对话。OpenAI总裁现场演示生成法语学习网站，癌症患者亲证病理报告解读能力。API调用三款推理模型，定价策略震撼行业。这场智能范式跃迁将重塑教育、医疗、开发等全领域。

['precision recall f1-score support 0 0.95 0.96 0.96 10762 1 0.91 0.95 0.93 9339 2 0.90 0.59 0.71 1628 micro avg 0.93 0.93 0.93 21729 macro avg 0.92 0.83 0.87 21729 weighted avg 0.93 0.93 0.93 21729 samples avg 0.93 0.93 0.93 21729']把列表转成这样的字典形式report1 = { '0': {'precision': 0.95, 'recall': 0.96, 'f1-score': 0.96, 'support': 10762}, '1': {'precision': 0.91, 'recall': 0.95, 'f1-score': 0.93, 'support': 9339}, '2': {'precision': 0.90, 'recall': 0.59, 'f1-score': 0.71, 'support': 1628}, 'micro avg': {'precision': 0.93, 'recall': 0.93, 'f1-score': 0.93, 'support': 21729}, 'macro avg': {'precision': 0.92, 'recall': 0.83, 'f1-score': 0.87, 'support': 21729}, 'weighted avg': {'precision': 0.93, 'recall': 0.93, 'f1-score': 0.93, 'support': 21729}, 'samples avg': {'precision': 0.93, 'recall': 0.93, 'f1-score': 0.93, 'support': 21729} }

06-04

string = "['precision recall f1-score support 0 0.95 0.96 0.96 10762 1 0.91 0.95 0.93 9339 2 0.90 0.59 0.71 1628 micro avg 0.93 0.93 0.93 21729 macro avg 0.92 0.83 0.87 21729 weighted avg 0.93 0.93 ...

['precision', 'recall', 'f1-score', 'support', '0', '0.95', '0.96', '0.95', '10762', '1', '0.91', '0.95', '0.93', '9339', '2', '0.91', '0.58', '0.71', '1628', 'micro', 'avg', '0.93', '0.93', '0.93', '21729', 'macro', 'avg', '0.92', '0.83', '0.86', '21729weighted', 'avg', '0.93', '0.93', '0.92', '21729', 'samples', 'avg', '0.93', '0.93', '0.93', '21729']把列表转成这样的字典形式report1 = { '0': {'precision': 0.95, 'recall': 0.96, 'f1-score': 0.96, 'support': 10762}, '1': {'precision': 0.91, 'recall': 0.95, 'f1-score': 0.93, 'support': 9339}, '2': {'precision': 0.90, 'recall': 0.59, 'f1-score': 0.71, 'support': 1628}, 'micro avg': {'precision': 0.93, 'recall': 0.93, 'f1-score': 0.93, 'support': 21729}, 'macro avg': {'precision': 0.92, 'recall': 0.83, 'f1-score': 0.87, 'support': 21729}, 'weighted avg': {'precision': 0.93, 'recall': 0.93, 'f1-score': 0.93, 'support': 21729}, 'samples avg': {'precision': 0.93, 'recall': 0.93, 'f1-score': 0.93, 'support': 21729} }

06-04

'21729', 'macro', 'avg', '0.92', '0.83', '0.86', '21729', 'weighted', 'avg', '0.93', '0.93', '0.92', '21729', 'samples', 'avg', '0.93', '0.93', '0.93', '21729'] report_dict = {} label = None for ...

机器学习模型评估：交叉验证、混淆矩阵、ROC曲线及其在医学影像领域的应用

编程技术探索者，分享C/C++、C#、Java、数据库等开发经验，聚焦实战技巧与AI兴趣，助力编程爱好者成长。

07-28

1165

模型评估是机器学习中不可或缺的一环，用于衡量模型性能、泛化能力以及在实际应用中的可靠性。在医学影像领域（如肿瘤检测、疾病分类），由于数据样本有限、类别不平衡且误诊成本高，模型评估尤为重要。本文将深入讲解交叉验证、混淆矩阵和ROC曲线的原理、实现方法及在医学影像中的应用。

（27页PPT）某省市照明智能管理系统解决方案.pptx

12-20

（27页PPT）某省市照明智能管理系统解决方案.pptx

12-20

12-20

12-20

Python从零到壹全栈学习资源库_包含Python基础语法详解网络爬虫实战案例数据分析与可视化机器学习算法原理与实现自然语言处理与文本挖掘数据库操作与数据存储Sele.zip

12-20

遗传算法路径规划的MATLAB实现

12-20

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向（最优解）进化，进化过程中，会自动选择优良基因，淘汰劣等基因。遗传算法（英语：genetic algorithm (GA) ）是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择、杂交等。搜索算法的共同特征为：首先组成一组候选解依据某些适应性条件测算这些候选解的适应度根据适应度保留某些候选解，放弃其他候选解对保留的候选解进行某些操作，生成新的候选解遗传算法流程遗传算法的一般步骤 my_fitness函数评估每条染色体所对应个体的适应度升序排列适应度评估值，选出前 parent_number 个个体作为待选 parent 种群（适应度函数的值越小越好）从待选 parent 种群中随机选择 2 个个体作为父方和母方。抽取父母双方的染色体，进行交叉，产生 2 个子代。（交叉概率）对子代（parent + 生成的 child）的染色体进行变异。（变异概率）重复3,4,5步骤，直到新种群（parentnumber + childnumber）的产生。循环以上步骤直至找到满意的解。名词解释交叉概率：两个个体进行交配的概率。例如，交配概率为0.8，则80%的“夫妻”会生育后代。变异概率：所有的基因中发生变异的占总体的比例。 GA函数适应度函数适应度函数由解决的问题决定。举一个平方和的例子。简单的平方和问题求函数的最小值，其中每个变量的取值区间都是 [-1, ...

（20页PPT）智慧戒毒所信息化系统建设及应用方案.pptx

12-20

（20页PPT）智慧戒毒所信息化系统建设及应用方案.pptx

用浏览器把http://192.168.0.93:7080/pmb_transfer/scheduledTransfer.html生成二维码

08-19

### 生成二维码访问特定网页的方法要在浏览器中生成一个二维码，以便通过扫描访问特定的局域网IP地址和端口（例如 `http://192.168.0.93:7080/pmb_transfer/scheduledTransfer.html`），可以使用在线工具或编程方式实现。以下是两种常见的方法： #### 方法一：使用在线二维码生成工具 1. 打开任意浏览器，搜索并访问一个在线二维码生成网站，例如 [QR Code Generator](https://www.qrserver.com/en/qr-code/) 或 [Online Barcode Generator](https://online-barcode-reader.inliteresearch.com/)。 2. 在网站提供的输入框中粘贴目标URL：`http://192.168.0.93:7080/pmb_transfer/scheduledTransfer.html`。 3. 点击生成按钮，系统会生成一个包含该URL的二维码。 4. 下载并保存该二维码，即可通过扫描设备访问指定页面。 #### 方法二：使用JavaScript生成二维码如果希望在网页中动态生成二维码，可以使用JavaScript库，例如 `qrcode.js`。以下是实现步骤： 1. 在HTML文件中引入 `qrcode.js` 库： ```html <script src="https://cdn.jsdelivr.net/npm/qrcode/build/qrcode.min.js"></script> ``` 2. 在HTML文件中添加一个用于显示二维码的容器： ```html <div id="qrcode"></div> ``` 3. 使用JavaScript生成二维码： ```html <script> // 目标URL const url = "http://192.168.0.93:7080/pmb_transfer/scheduledTransfer.html"; // 生成二维码并显示在指定容器中 qrcode.makeCode(url); </script> ``` 4. 打开该HTML文件，即可在页面上看到生成的二维码。 #### 方法三：使用命令行工具生成二维码如果希望在终端中生成二维码，可以使用 `qrcode` 命令行工具。以下是实现步骤： 1. 安装 `qrcode` 工具： ```bash pip install qrcode ``` 2. 生成二维码： ```bash qrcode -o qrcode.png http://192.168.0.93:7080/pmb_transfer/scheduledTransfer.html ``` 3. 打开生成的 `qrcode.png` 文件，即可通过扫描设备访问指定页面。 ### 注意事项 - 确保目标设备能够访问局域网中的IP地址和端口。 - 如果二维码生成失败，检查网络连接或URL格式是否正确。 - 在生成二维码时，建议选择高分辨率的输出格式，以确保扫描设备能够正确识别。