当前位置： 首页 > 编程日记 > 正文

实战：基于技术分析的Python算法交易

编程日记 2024-12-17 01:50:00
640?wx_fmt=jpeg


译者 | Tianyu

出品 | AI科技大本营（ID:rgznai100）

本文是用 Python 做交易策略回测系列文章的第四篇。上个部分介绍了以下几个方面内容：


  • 介绍了 zipline 回测框架，并展示了如何回测基本的策略
  • 导入自定义的数据并使用 zipline
  • 评估交易策略的表现

这篇文章的目的是介绍如何基于技术分析（TA, Technical Analysis）来创建交易策略。在此引用维基百科的解释，技术分析是指“基于对市场的历史数据、成交价格、交易量的研究，来预测价格走势的一套方法”。

在本文中，我会介绍如何使用流行的 Python 库 TA-Lib 以及 zipline 回测框架来计算 TA 指标。我会创建 5 种策略，然后研究哪种策略在投资期限内表现最好。


安装


我用到的库有以下几个：

pyfolio    0.9.2
numpy      1.14.6
matplotlib 3.0.0
pandas     0.22.0
json       2.0.9
empyrical  0.5.0
zipline    1.3.0
辅助函数

在构造策略之前，我要先定义几个辅助函数（此处我只介绍其中一个，因为它是最重要的一个）。
这个函数用来设置回测的起始时间，因为我希望所有策略开始实施的时间保持一致，设置为2016年的第一天。不过，有些基于技术指标的策略需要一定数量的历史数据，也就是所谓的 warm-up 阶段。请一定记住一点，没有任何交易决策会发生在回测期的起始时间之前。

def get_start_date(ticker, start_date, days_prior):


        start_date_dt = datetime.strptime(start_date, '%Y-%m-%d')
        prior_to_start_date_dt = start_date_dt - relativedelta(days=2 * days_prior)
        prior_to_start_date = prior_to_start_date_dt.strftime('%Y-%m-%d')


        yahoo_financials = YahooFinancials(ticker)


        df = yahoo_financials.get_historical_price_data(
            prior_to_start_date, start_date, 'daily')
        df = pd.DataFrame(df[ticker]['prices'])['formatted_date']
        if df.iloc[-1] == start_date:
            days_prior += 1


        new_start_date = df.iloc[-days_prior]


        return new_start_date

策略

本篇文章中，我们要解决的问题如下：
  • 投资者有 10000 元的本金
  • 投资时限为 2016-2017
  • 投资者仅投资 Tesla 的股票
  • 假设不存在交易成本，即交易佣金为零
  • 不存在做空行为（投资者只能出售他们拥有的股票）
  • 当投资者购买股票时，他们会花掉全部本金

之所以选择这段时期，是因为2018年中后的 Quandl 数据集还没有更新，我们希望代码可以尽可能简化。关于如何将数据载入 zipline 的更多细节，请参考到我之前的文章。

买入和持有的策略

我们首先来看最基本的策略 —— 买入和持有。具体的思路是，我们买入一定的资产，在整个投资期间不进行任何操作。因此在投资第一天，我们使用全部本金尽可能多地购买 Tesla 的股票，接下来什么事情都不做。
这种简单的策略可以作为其他高级策略的基准，若某种复杂的策略相比于基准策略反而损失了更多的钱，那么说明这种策略毫无用处。

%%zipline --start 2016-1-1 --end 2017-12-31 --capital-base 10000.0 -o buy_and_hold.pkl


    # imports
    from zipline.api import order_percent, symbol, record
    from zipline.finance import commission


    # parameters
    SELECTED_STOCK = 'TSLA'


    def initialize(context):
        context.asset = symbol(SELECTED_STOCK)
        context.has_ordered = False  
        context.set_commission(commission.PerShare(cost=0.0, min_trade_cost=0))


    def handle_data(context, data):

        # trading logic
        if not context.has_ordered:
            order_percent(context.asset, 1)
            context.has_ordered = True

        record(price=data.current(context.asset, 'price'))

接下来，我们载入有关该策略表现的 DataFrame：
buy_and_hold_results = pd.read_pickle('buy_and_hold.pkl')
这里可能会出现 ending_cash 为负的情况，原因是我们想要买入的股份是当天收盘时计算的，于是使用的是收盘价格。然而，这笔交易是次日执行的，价格可能会发生大幅变化。在 zipline 中，交易不会因为金额不足而被拒，但我们可以通过负的余额将其终止。我们可以想些办法避免这种情况的发生，例如手动计算第二天要买入的股份，并考虑股价上涨等因素，以防止这种情况发生。
我们使用一个辅助函数，将该策略的细节进行可视化：投资组合的变化，交易价格序列，以及每天的收益情况。
640?wx_fmt=png
我们还使用了另一个辅助函数来观察策略的表现，该函数将用于最后一部分：
buy_and_hold_results = pd.read_pickle('buy_and_hold.pkl')
为了简洁起见，我们不会展示每种策略的全部步骤，因为它们的执行方式都是一样的。

简单的移动平均策略

我们采用的第二种策略基于简单的移动平均数方法（SMA, Simple Moving Average）。该策略的逻辑可以归纳为以下几步：

  • 当20天的 SMA 价格上升时，买入股份
  • 当20天的 SMA 价格下降时，卖掉全部股份
  • 用前19天和当天的数据计算移动平均数，次日执行交易决策

这是我们第一次调用预设辅助函数的地方，计算起始日期，以使投资者能在2016年的第一个交易日制定交易决策。

get_start_date('TSLA', '2016-01-04', 19)
# '2015-12-04'
在下面的策略中，我们使用修改后的日期作为起始日期：

%%zipline --start 2015-12-4 --end 2017-12-31 --capital-base 10000.0 -o simple_moving_average.pkl


    # imports 
    from zipline.api import order_percent, record, symbol, order_target
    from zipline.finance import commission


    # parameters 
    MA_PERIODS = 20
    SELECTED_STOCK = 'TSLA'


    def initialize(context):
        context.time = 0
        context.asset = symbol(SELECTED_STOCK)
        context.set_commission(commission.PerShare(cost=0.0, min_trade_cost=0))
        context.has_position = False


    def handle_data(context, data):
        context.time += 1
        record(time=context.time)
        if context.time < MA_PERIODS:
            return


        price_history = data.history(context.asset, fields="price", bar_count=MA_PERIODS, frequency="1d")
        ma = price_history.mean()

        # cross up
        if (price_history[-2] < ma) & (price_history[-1] > ma) & (not context.has_position):
            order_percent(context.asset, 1.0)
            context.has_position = True
        # cross down
        elif (price_history[-2] > ma) & (price_history[-1] < ma) & (context.has_position):
            order_target(context.asset, 0)
            context.has_position = False


        record(price=data.current(context.asset, 'price'),
               moving_average=ma)
注意：data.current(context.asset, ‘price’) 等同于 price_history[-1].
下图展示了该策略：
640?wx_fmt=png
下图展示了20天的移动平均价格序列。我们还对每一次交易做了标注，即在记号之后的第一个交易日执行此笔交易。
640?wx_fmt=png
移动平均交叉

移动平均交叉策略（Moving Average Crossover）可以看作是上一种策略的拓展版，用两个不同规格的移动窗口来代替单个的窗口。100天的移动平均数序列中，要隔很久才会出现价格的突变，而20天的移动平均数序列发生突变的速度要快很多。
该策略的逻辑如下：
  • 当较快的移动平均值穿越较慢的移动平均值时，我们买入股份
  • 当较慢的移动平均值穿越较快的移动平均值时，我们卖出股份

一定要记住一点，在这种策略中，许多不同长度窗口的组合构成了速度不同的移动平均数。
对于该策略，我们需要另外载入100天的数据，以便于准备 warm-up 阶段。

%%zipline --start 2015-8-11 --end 2017-12-31 --capital-base 10000.0 -o moving_average_crossover.pkl


    # imports 
    from zipline.api import order_percent, record, symbol, order_target
    from zipline.finance import commission


    # parameters 
    SELECTED_STOCK = 'TSLA'
    SLOW_MA_PERIODS = 100
    FAST_MA_PERIODS = 20


    def initialize(context):
        context.time = 0
        context.asset = symbol(SELECTED_STOCK)
        context.set_commission(commission.PerShare(cost=0.0, min_trade_cost=0))
        context.has_position = False

    def handle_data(context, data):
        context.time += 1
        if context.time < SLOW_MA_PERIODS:
            return


        fast_ma = data.history(context.asset, 'price', bar_count=FAST_MA_PERIODS, frequency="1d").mean()
        slow_ma = data.history(context.asset, 'price', bar_count=SLOW_MA_PERIODS, frequency="1d").mean()


        # Trading logic
        if (fast_ma > slow_ma) & (not context.has_position):
            order_percent(context.asset, 1.0)
            context.has_position = True
        elif (fast_ma < slow_ma) & (context.has_position):
            order_target(context.asset, 0)
            context.has_position = False


        record(price=data.current(context.asset, 'price'),
               fast_ma=fast_ma,
               slow_ma=slow_ma)
640?wx_fmt=png
接下来，我们绘制了两个移动平均价格序列。我们可以发现，该策略产生的交易行为要比 SMA 策略少得多。
640?wx_fmt=png
移动平均线收敛差异

MACD 的全称为 Moving Average Convergence/Divergence，即移动平均线收敛差异指标，是一种常用于股价技术分析中的指标。
MACD 由三个时间序列构成：

  • MACD 序列：快速（短期）和慢速（长期）的两个指数移动平均值的差值
  • 信号序列：MACD 序列的 EMA（指数移动平均值）
  • 差异序列：MACD 序列与信号序列之间的差值

MACD 的参数包括计算三个移动平均数的天数，即 MACD(a, b, c)，参数 a 表示快速 EMA，b 表示慢速 EMA，c 表示 MACD 序列的 EMA。最常见的参数配置为 MACD(12, 26, 9)，也是本文所采用的配置。若每周有6个工作日，这三个参数分别对应2个星期、1个月、1.5个星期。
必须记住一点，由于 MACD 是基于移动平均方法进行计算的，因此它是一种滞后指标。这就解释了为什么 MACD 在股市上的作用很小，它无法得出准确的价格趋势。
该策略的基本思想如下：

  • 当 MACD 线穿越信号线向上时，买入股份
  • 当 MACD 线穿越信号线向下时，卖出股份

和之前一样，为了准备 warm-up，我们要保证有34个历史数据值来计算 MACD：

%%zipline --start 2015-11-12 --end 2017-12-31 --capital-base 10000.0 -o macd.pkl

# imports ----
from zipline.api import order_target, record, symbol, set_commission, order_percent
import matplotlib.pyplot as plt
import talib as ta
from zipline.finance import commission

# parameters ----
SELECTED_STOCK = 'TSLA'

 #initialize the strategy 
def initialize(context):
    context.time = 0
    context.asset = symbol(SELECTED_STOCK)
    context.set_commission(commission.PerShare(cost=0.0, min_trade_cost=0))
    context.has_position = False

def handle_data(context, data):
    context.time += 1
    if context.time < 34:
        return

    price_history = data.history(context.asset, fields="price", bar_count=34, frequency="1d")
    macd, macdsignal, macdhist = ta.MACD(price_history, 12, 26, 9) 

    if (macdsignal[-1] < macd[-1]) and (not context.has_position):
        order_percent(context.asset, 1.0)
        context.has_position = True

    if (macdsignal[-1] > macd[-1]) and (context.has_position):
        order_target(context.asset, 0)
        context.has_position = False

    record(macd =  macd[-1], macdsignal = macdsignal[-1], macdhist = macdhist[-1], price=price_history[-1]) 
640?wx_fmt=png

接下来，我们绘制了 MACD 线和信号线，交叉点代表买入/卖出的信号。另外，你也可以试着用直方图的形式来展现 MACD 差异。
640?wx_fmt=png
相对强弱指标（RSI）

RSI 的全称为 Relative Strength Index，即相对强弱指标，也是一种用于创建交易策略的技术指标。RSI 被看作是一种动量振荡器，它可以估测价格变化的速度和幅度。
RSI 指标评估了股价的向上力量与向下力量的比率。若向上的力量较大，则计算出来的指标上升；若向下的力量较大，则指标下降。
RSI 的结果为0到100之间的数字，一般按14天进行计算。为生成交易信号，通常要指定 RSI 的下限为30，上限为70。也就是说，30以下在超卖区，70以上为超买区。
有时候，也可能会设定一个比较居中的值，比如在涉及到做空的策略中。我们也可以选择更极端的阈值，如20和80。不过，这要求具备专业知识，或者在回测时尝试。
这种策略的思想如下：
  • 当 RSI 低于下限（30）时，买入股份
  • 当 RSI 高于上限（70）时，卖出股份

%%zipline --start 2015-12-10 --end 2017-12-31 --capital-base 10000.0 -o rsi.pkl


    # imports ----
    from zipline.api import order_target, record, symbol, set_commission, order_percent
    import matplotlib.pyplot as plt
    import talib as ta
    from zipline.finance import commission


    # parameters ----
    SELECTED_STOCK = 'TSLA'
    UPPER = 70
    LOWER = 30
    RSI_PERIOD = 14


     #initialize the strategy 
    def initialize(context):
        context.time = 0
        context.asset = symbol(SELECTED_STOCK)
        context.set_commission(commission.PerShare(cost=0.0, min_trade_cost=0))
        context.has_position = False

    def handle_data(context, data):
        context.time += 1
        if context.time < RSI_PERIOD + 1:
            return

        price_history = data.history(context.asset, fields="price", bar_count=RSI_PERIOD+1, frequency="1d")
        rsi = ta.RSI(price_history, timeperiod=RSI_PERIOD)

        if rsi[-1] < LOWER and not context.has_position:
            order_percent(context.asset, 1.0)
            context.has_position = True

        if rsi[-1] > UPPER and context.has_position:
            order_target(context.asset, 0)
            context.has_position = False

        record(rsi=rsi[-1], price=price_history[-1], time=context.time) 
640?wx_fmt=png
下图绘制了 RSI 指标和上、下限：
640?wx_fmt=png
效果评估

最后一步，把所有的评估指标放入一个 DataFrame 中，然后观察其结果。我们会发现在回测时，基于简单移动平均方法的策略在收益方面表现最好，其夏普指数也最高，即在特定风险下，可获得的收益最高。基于 MACD 的策略排在第二位。只有这两种策略的表现超过了我们所设置的基准。

perf_df = pd.DataFrame({'Buy and Hold': buy_and_hold_perf,
                        'Simple Moving Average': sma_perf,
                        'Moving Average Crossover': mac_perf,
                        'MACD': macd_perf,
                        'RSI': rsi_perf})
perf_df.transpose()
640?wx_fmt=png
结论

本篇文章介绍了如何利用 zipline 和 talib 进行交易策略的回测，使用的技术指标包括移动平均数、MACD、RSI 等等。但这只是一些基础，还有相当多更加复杂的策略。
另外，我们必须记住一点，一些在过去表现很好的策略不一定也适用于未来。

（*本文为AI科技大本营编译文章，转载请微信联系 1092722531）


◆
精彩推荐
◆



2019 中国大数据技术大会（BDTC）再度来袭！豪华主席阵容及百位技术专家齐聚，15 场精选专题技术和行业论坛，超强干货+技术剖析+行业实践立体解读，深入解析热门技术在行业中的实践落地。6.6 折票限时特惠（立减1400元），学生票仅 599 元！

640?wx_fmt=png

推荐阅读

 https://www.dkcj.cn/info/32157.html
 
相关文章：
深度学习中的Dropout简介及实现
在训练神经网络模型时候&#xff0c;如果模型相对复杂即参数较多而训练样本相对较少&#xff0c;这时候训练出的模型可能对训练集中的数据拟合的比较好&#xff0c;但在测试集上的表现较差&#xff0c;即出现了过拟合的情况。这种情况下可以使用Dropout来降低过拟合的可能性进而…
编程日记2024/12/17 01:40:00
swift中字符串截取方法(substring）
下面介绍2种swift的字符串截取方法,实际上用到了substringFromIndex,substringToIndex,substringWithRange 1.将String转化为NSString再截取,代码如下&#xff1a; var s"1234567890"var ns1(s as NSString).substringFromIndex(5) var ns2(s as NSString).substrin…
编程日记2024/12/17 01:30:00
设置IE兼容模式
文件兼容性用于定义让IE如何编译你的网页。此文件解释文件兼容性&#xff0c;如何指定你网站的文件兼容性模式以及如何判断一个网页该使用的文件模式。 前言 为了帮助确保你的网页在所有未来的IE版本都有一致的外观&#xff0c;IE8引入了文件兼容性。在IE6中引入一个增设的兼容…
编程日记2024/12/17 01:20:00
程序员的自我修养--链接、装载与库笔记：静态链接
1. 空间与地址分配 对于链接器来说,整个链接过程中,它就是将几个输入目标文件加工后合并成一个输出文件。测试代码a.c和b.c内容如下&#xff1a; // a.c extern int shared;int main() {int a 100;swap(&a, &shared); } // b.c int shared 1;void swap(int* a, in…
编程日记2024/12/17 01:10:00
开启JAVA自学新篇章
MyEclipse Enterprise Workbench简称MyEclipse&#xff0c;是一款专门用于开发Java, J2EE的 Eclipse 插件集合&#xff0c;该软件不仅功能丰富而且强大&#xff0c;包括了完备的编码、调试、测试和发布功能&#xff0c;利用它我们可以在数据库和JavaEE的开发、发布以及应用程序…
编程日记2024/12/17 01:00:00
12306系统的秒杀“艺术”：如何抗住100万人同时抢1万张票？
作者 | IT牧场 编辑 | 阿秃每到节假日期间&#xff0c;一二线城市返乡、外出游玩的人们几乎都面临着一个问题——抢火车票。虽然现在大多数情况下都能订到票&#xff0c;但是放票瞬间即无票的场景&#xff0c;相信大家都深有体会。尤其是春节期间&#xff0c;大家不仅使用 1230…
编程日记2024/12/17 00:50:00
C#不错的扩展工具类
FSLibExtension.NET https://github.com/iccfish/FSLib.Extension WebEssentials2013 https://github.com/iccfish/WebEssentials2013
编程日记2024/12/17 00:40:00
自己写的程序密码功能 ------数字功能
自己写的程序密码功能 ------数字功能 class LockedViewController: UIViewController { var dataBase:FMDatabase? var i 0 var passwordStr : String? var tempStr : String "" var numStr : String "" //初始输入密码 var reNumStr : String &…
编程日记2024/12/17 00:30:00
程序员的自我修养--链接、装载与库笔记：Windows PE/COFF
1. Windows的二进制文件格式PE/COFF 在32位Windows平台下&#xff0c;微软引入了一种叫PE(Portable Executable)的可执行格式。作为Win32平台的标准可执行文件格式&#xff0c;PE有着跟ELF一样良好的平台扩展性和灵活性。PE文件格式事实上与ELF同根同源&#xff0c;它们都是由…
编程日记2024/12/17 00:20:00
神州数码与神州控股、神州信息共同主办首届技术年会，透露出什么信号？
11 月 8 日&#xff0c;神州控股、神州数码集团、神州信息共同主办“数字中国 2019 技术年会”&#xff0c;聚焦云计算、大数据、人工智能、区块链、5G 等前沿技术创新与应用实践&#xff0c;众多领域的技术专家展开了深度交流&#xff0c;共同探讨数字时代的技术创新与协同发展…
编程日记2024/12/17 00:10:00
osi七层协议和tcp/ip四层协议
&#xff08;大部分内容为转载&#xff09;OSI&#xff08;Open System Interconnection&#xff09;是一个开放性的通行系统互连参考模型&#xff0c;他是一个定义的非常好的协议规范&#xff0c;共包含七层协议。OSI七层协议是由ISO (International Standards Organization)在…
编程日记2024/12/17 00:00:01
Swift中页面跳转与传值：
1.简单方式 首先&#xff0c;Swift的跳转可分为利用xib文件跳转与storyboard跳转两种方法&#xff0c;我这里选择使用storyboard的界面跳转方法。 1、通过在storyboard中拉button控件建立segue跳转。 2、通过presentViewController方法进行界面跳转。 这里需要注意presentV…
编程日记2024/12/16 23:50:00
知乎热议!学完Python之后，我的编程能力竟然退化了！
在知乎上有一个特别火的问题&#xff1a;如何学Python&#xff1f;你会看到很多高赞回答是&#xff1a;我一天就学完了。在大家群嘲的背后&#xff0c;我们来分析一下&#xff0c;为什么在已经学过的人眼里&#xff0c;Python这么容易学&#xff0c;甚至简单到被某些人鄙视呢&a…
编程日记2024/12/16 23:40:00
libjpeg-turbo介绍及测试代码
很多年之前在https://blog.csdn.net/fengbingchun/article/details/10171583 中简单介绍过libjpeg-turbo的安装&#xff0c;因为libjpeg-turbo一直在维护更新&#xff0c;较之前有了些变化&#xff0c;这里再次整理下&#xff0c;并增加更多的测试代码。 libjpeg-turbo的主页为…
编程日记2024/12/16 23:30:00
高级特性-多线程，GUI
2019独角兽企业重金招聘Python工程师标准>>> 创建线程两种方式第一种&#xff0c;导入improt thread 模块&#xff0c;thread.start_new_thread(功能函数名称&#xff0c;(参数1&#xff0c;参数2...)) 后面参数为功能函数的参数第二个方式类似于java&#xff0c;导…
编程日记2024/12/16 23:20:00
Hulu视频如何提升推荐多样性?
作者 | 余沾 整理 | 深度传送门&#xff08;ID: deep_deliver&#xff09;导读&#xff1a;本文主要介绍Hulu在NIPS 2018上发表的《Fast Greedy MAP Inference for Determinantal Point Process to Improve Recommendation Diversity》中&#xff0c;提出的DPP算法解决视频推荐…
编程日记2024/12/16 23:10:00
UITextField长度限制的写法
1.遵循代理 UITextFieldDelegate 2.点击响应方法 userNameText.addTarget(self, action: "tappedOne:", forControlEvents: UIControlEvents.EditingChanged) 3.方法的实现 func tappedOne(textField: UITextField) { textField.text textField.text?.uppercaseS…
编程日记2024/12/16 23:00:00
通过Python在Windows或Linux上快速搭建HTTP服务器
在Windows 7/10或Ubuntu上可以通过python2.x或python3.x来快速搭建一个简单的HTTP服务器。 如果python为2.x&#xff0c;则可执行&#xff1a;$ python -m SimpleHTTPServer 或 $ python2 -m SimpleHTTPServer 如果python为3.x&#xff0c;则可执行&#xff1a;$ python -m h…
编程日记2024/12/16 22:50:00
NAND FLASH
NAND Flash 以Micron公司的MT29F2G08为例介绍NAND Flash原理和使用。 1&#xff0e; 概述 MT29F2G08使用一个高度复用的8-bit总线&#xff08;I/O[7:0]&#xff09;来数据传输、地址、指令。5个命令脚&#xff08;CLE、ALE、CE#、WE#&#xff09;实现NAND命令总线接口规程。3个…
编程日记2024/12/16 22:40:00
swift 中跳转web view的两种方法
首先 遵循代理 引入头文件 #import <WebKit/WebKit.h> 第一种情况 直接跳转 了解不含特殊字符的 import UIKit class NewsViewController: UIViewController,WKNavigationDelegate,UIScrollViewDelegate { var webView : WKWebView WKWebView() override func viewW…
编程日记2024/12/16 22:30:00
YAML开源库yaml-cpp简介及使用
关于YAML的介绍可以参考&#xff1a;https://blog.csdn.net/fengbingchun/article/details/88090609 yaml-cpp是用c实现的用来解析和生成yaml文件的&#xff0c;源码地址在https://github.com/jbeder/yaml-cpp &#xff0c;这里使用的是最新发布的稳定版0.6.2. 解析和产生yam…
编程日记2024/12/16 22:20:00
数据安全引担忧？get它，让你吃一颗“定心丸”
网络购物、在线外卖、远程教育、共享单车……如今&#xff0c;这些数字化的消费场景在个人生活中早已司空见惯。同时&#xff0c;在数字化浪潮下&#xff0c;越来越多的企业意识到大数据资产的价值&#xff0c;并试图推动其数字化转型。数据经济飞速发展&#xff0c;带来便捷和…
编程日记2024/12/16 22:10:00
ETL数据抽取策略
ETL的抽取策略本文所提到的数据加载策略为OLTP系统作为源系统&#xff0c;并进行ETL数据加载到OLAP系统中所采用的一般数据加载策略。依循数据仓库的工作方式&#xff0c;原始资料由源数据库被抽取出来后&#xff0c;将在中间过程被写入到”Operational Data Store”(ODS)&…
编程日记2024/12/16 22:00:00
iOS下拉tableView实现上面的图片放大效果
#import "ViewController.h" #define kScreenbounds [UIScreen mainScreen].bounds #define kScreenWidth [UIScreen mainScreen].bounds.size.width #define kScreenHeight [UIScreen mainScreen].bounds.size.height // 宏定义一个高度 #define pictureHeight 200…
编程日记2024/12/16 21:50:00
在Windows7/10上通过VS2013编译FFmpeg 4.1.3源码操作步骤
多年前在https://blog.csdn.net/fengbingchun/article/details/40951403 中对FFmpeg在windows下的编译过程做过说明&#xff0c;那时FFmpeg版本用的2.4.3, VS是2010&#xff0c;现在FFmpeg最新稳定版为4.1.3&#xff0c;通过VS2013进行编译&#xff0c;较之前有了些不同&#x…
编程日记2024/12/16 21:40:00
GitHub标星近1万：只需5秒音源，这个网络就能实时“克隆”你的声音
作者 | Google团队 译者 | 凯隐 编辑 | Jane 出品 | AI科技大本营&#xff08;ID&#xff1a;rgznai100&#xff09;本文中&#xff0c;Google 团队提出了一种文本语音合成&#xff08;text to speech&#xff09;神经系统&#xff0c;能通过少量样本学习到多个不同说话者&…
编程日记2024/12/16 21:30:00
entity framework 使用Mysql配置文件
2019独角兽企业重金招聘Python工程师标准>>> <?xml version"1.0" encoding"utf-8"?> <configuration><configSections><section name"entityFramework" type"System.Data.Entity.Internal.ConfigFile.En…
编程日记2024/12/16 21:20:00
UIWebView、WKWebView使用详解及性能分析
一、整体介绍 UIWebView自iOS2就有&#xff0c;WKWebView从iOS8才有&#xff0c;毫无疑问WKWebView将逐步取代笨重的UIWebView。通过简单的测试即可发现UIWebView占用过多内存&#xff0c;且内存峰值更是夸张。WKWebView网页加载速度也有提升&#xff0c;但是并不像内存那样提…
编程日记2024/12/16 21:10:00
FFmpeg中libavutil库简介及测试代码
libavutil是一个实用库&#xff0c;用于辅助多媒体编程。此库包含安全的可移植字符串函数、随机数生成器、数据结构、附加数学函数、加密和多媒体相关功能(如像素和样本格式的枚举)。libavcodec和libavformat并不依赖此库。 以下是测试代码&#xff0c;包括base64, aes, des, …
编程日记2024/12/16 21:00:00
区块链人才月均薪酬1.6万元？
在上周&#xff0c;我国宣布将重点推动区块链技术的发展&#xff0c;这个消息无疑是为区块链开发者们打了一直强心剂&#xff0c;简直是喜大普奔啊 &#xff01; 因为之前区块链这个技术虽然一直在圈内很火&#xff0c;但是却没有得到国家的全面认可和推广&#xff0c;所以很多…
编程日记2024/12/16 20:50:00