量化交易就是以數(shù)學(xué)公式和統(tǒng)計(jì)數(shù)據(jù)等為基礎(chǔ)來(lái)建立數(shù)學(xué)模型，通過(guò)數(shù)學(xué)模型來(lái)進(jìn)行交易。

　　量化交易依托的是現(xiàn)在高度發(fā)達(dá)的計(jì)算機(jī)技術(shù)和互聯(lián)網(wǎng)技術(shù)。

　　量化交易通過(guò)數(shù)學(xué)模型來(lái)代替人工交易，It can effectively avoid the subjective judgment of investors,which is the impact of investor sentiment fluctuations.Avoid making irrational decisions in extreme fanaticism or pessimism.

　　量化交易需要以大量的數(shù)據(jù)作為基礎(chǔ)，通過(guò)對(duì)大量數(shù)據(jù)的分析，來(lái)做出理性的判斷，預(yù)測(cè)未來(lái)價(jià)格的走勢(shì)。

　　int PFLD::Impl::ExtractKeypoints(const cv::Mat&img_face,std::vector<cv::Point2f>*keypoints){

　　std::cout<<"start extract keypoints."<<std::endl;

　　keypoints->clear();

　　if(!initialized_){

　　std::cout<<"model uninitialed."<<std::endl;

　　return 10000;

　　}

　　if(img_face.empty()){

　　std::cout<<"input empty."<<std::endl;

　　return 10001;

　　}

　　//image prepocess

　　cv::Mat face_cpy=img_face.clone();

　　int width=face_cpy.cols;

　　int height=face_cpy.rows;

　　float scale_x=static_cast<float>(width)/inputSize_;

　　float scale_y=static_cast<float>(height)/inputSize_;

　　cv::Mat face_resized;

　　cv::resize(face_cpy,face_resized,cv::Size(inputSize_,inputSize_));

　　face_resized.convertTo(face_resized,CV_32FC3);

　　face_resized=(face_resized-123.0f)/58.0f;

　　auto tensor_data=input_tensor_->host<float>();

　　auto tensor_size=input_tensor_->size();

　　::memcpy(tensor_data,face_resized.data,tensor_size);

　　auto input_tensor=landmarker_->getSessionInput(session_,nullptr);

　　input_tensor->copyFromHostTensor(input_tensor_);

　　landmarker_->runSession(session_);

　　//get output

　　std::string output_tensor_name0="conv5_fwd";

　　MNN::Tensor*tensor_landmarks=landmarker_->getSessionOutput(session_,output_tensor_name0.c_str());

　　MNN::Tensor tensor_landmarks_host(tensor_landmarks,tensor_landmarks->getDimensionType());

　　tensor_landmarks->copyToHostTensor(&tensor_landmarks_host);

　　std::cout<<"batch:"<<tensor_landmarks->batch()<<std::endl

　　<<"channels:"<<tensor_landmarks->channel()<<std::endl

　　<<"height:"<<tensor_landmarks->height()<<std::endl

　　<<"width:"<<tensor_landmarks->width()<<std::endl

　　<<"type:"<<tensor_landmarks->getDimensionType()<<std::endl;

　　auto landmarks_dataPtr=tensor_landmarks_host.host<float>();

　　int num_of_points=98;

　　for(int i=0;i<num_of_points;++i){

　　cv::Point2f curr_pt(landmarks_dataPtr[2*i+0]*scale_x,

　　landmarks_dataPtr[2*i+1]*scale_y);

　　keypoints->push_back(curr_pt);

　　}

　　std::cout<<"end extract keypoints."<<std::endl;

　　return 0;

　　}