人工智能技術(shù)是智能工業(yè)時(shí)代的核心技術(shù)之一。人工智能技術(shù)包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等。這些技術(shù)的應(yīng)用使得機(jī)器能夠自主地學(xué)習(xí)、理解和判斷，可以幫助工業(yè)企業(yè)實(shí)現(xiàn)自動(dòng)化、智能化和高效化的生產(chǎn)和管理。

　　從本質(zhì)上說(shuō)，交易機(jī)器人是一種軟件程序，它直接與金融交易所進(jìn)行交互(通常使用API獲取和解釋相關(guān)信息)，并根據(jù)市場(chǎng)數(shù)據(jù)的解釋發(fā)出買賣訂單。這些機(jī)器人通過(guò)監(jiān)測(cè)市場(chǎng)價(jià)格走勢(shì)，并根據(jù)一套預(yù)先設(shè)定和編程的規(guī)則做出反應(yīng)，從而做出這些決定。

通常，一個(gè)交易機(jī)器人會(huì)分析市場(chǎng)行為，例如交易量、訂單、價(jià)格和時(shí)間，它們通常可以根據(jù)您自己的喜好進(jìn)行編程。

　　量化交易是在交易階段由計(jì)算機(jī)自動(dòng)進(jìn)行的一種投資模式，它是對(duì)人類的投資理念進(jìn)行規(guī)范化、變量化、模型化，形成一整套可量化的操作理念，并用歷史數(shù)據(jù)進(jìn)行分析和驗(yàn)證。

　　class Calibration{

　　public:

　　//參數(shù)原始模型,模型uint8_t buffer,size,json配置文件

　　Calibration(MNN::NetT*model,uint8_t*modelBuffer,const int bufferSize,const std::string&configPath);

　　void runQuantizeModel();

　　private:

　　Calibration();

　　MNN::NetT*_originaleModel;//需要量化的模型

　　std::shared_ptr<MNN::CV::ImageProcess>_process;//負(fù)責(zé)image到tensor的轉(zhuǎn)化類

　　const int _binNums=2048;

　　int _imageNum=0;

　　int _width;

　　int _height;

　　std::vector<std::string>_imgaes;//圖片,用于校正特征量化系數(shù)的

　　//Tensor and Info

　　//tensor到對(duì)應(yīng)的TensorStatistic，TensorStatistic是描述tensor在量化過(guò)程中需要的統(tǒng)計(jì)數(shù)據(jù),后面有解釋

　　std::map<const MNN::Tensor*,std::shared_ptr<TensorStatistic>>_featureInfo;

　　//所有的tensor

　　std::map<int,const MNN::Tensor*>_tensorMap;

　　//Op's name,Inputs,Outputs

　　//op到input/output tensor的映射

　　std::map<std::string,std::pair<std::vector<MNN::Tensor*>,std::vector<MNN::Tensor*>>>_opInfo;

　　//The scale results

　　std::map<const MNN::Tensor*,std::vector<float>>_scales;

　　std::shared_ptr<MNN::Interpreter>_interpreter;

　　//keep mnn forward information

　　MNN::Session*_session;

　　MNN::Tensor*_inputTensor;

　　std::vector<int>_inputTensorDims;

　　std::string _featureQuantizeMethod="KL";

　　std::string _weightQuantizeMethod="MAX_ABS";

　　void _initMNNSession(const uint8_t*modelBuffer,const int bufferSize,const int channels);

　　void _initMaps();

　　void _computeFeatureMapsRange();

　　void _collectFeatureMapsDistribution();

　　void _computeFeatureScaleKL();

　　void _computeFeatureScaleADMM();

　　void _updateScale();

　　//insert the dequantization op before the not supported op(int8),and insert dequantization op

　　//after the output op,so that get original float data conveniently

　　void _insertDequantize();

　　};

　　#endif//CALIBRATION_HPP