>

PythonStock(18):使用docker 安装 quantlib 源码安装

- 编辑:乐百家599手机首页 -

PythonStock(18):使用docker 安装 quantlib 源码安装

前言


利用Python开采三个股票项目。
类型地址:

连带资料:

要害使用支付语言是python。
使用的lib库是pandas,tushare,TensorFlow,tornado等。

本文的最先的作品连接是:
未经博主允许不得转发。
博主地址是:

docker run --rm --name mssql-builder -t -d -v $:/code --entrypoint /bin/sh aliyunfc/runtime-python3.6docker exec -t mssql-builder apt-get install -y -d -o=dir::cache=/code libsybdb5docker exec -t mssql-builder bash -c 'for f in $(ls /code/archives/*.deb); do dpkg -x $f $ ; done;'docker exec -t mssql-builder bash -c "rm -rf /code/archives/; mkdir /code/lib;cd /code/lib; ln -sf ../usr/lib/x86_64-linux-gnu/libsybdb.so.5 ."docker exec -t mssql-builder apt-get install -y freetds-dev docker exec -t mssql-builder pip install cython docker exec -t mssql-builder pip install -t /code pymssql==2.1.3docker stop mssql-builder

2:从源码中编写翻译

最早的小说链接 https://jinkey.ai/post/tech/mac-ren-yi-pythonhuan-jing-an-zhuang-caffe-de-zhong-ji-jiao-cheng
正文笔者 Jinkey(微信公众号 jinkey-love,官方网站 https://jinkey.ai)
感谢 yubang 老手指引填坑,大神的博客http://blog.yubangweb.com/
小说允许非篡改具名转载,删除或改变本段版权新闻转载的,视为侵略知识产权,大家保留追求你法律责任的义务,特此表明!

3,编译docker镜像


#需要编译数个小时,慢慢等待。
RUN cd /root && curl -o QuantLib-1.11.tar.gz https://codeload.github.com/lballabio/QuantLib/tar.gz/QuantLib-v1.11 && 
    curl -o QuantLib-SWIG-1.11.tar.gz https://codeload.github.com/lballabio/QuantLib-SWIG/tar.gz/QuantLib-SWIG-v1.11 && 
    apt-get update && apt-get install -y python-dev swig automake autoconf libtool libboost-all-dev && 
    tar -zxvf QuantLib-1.11.tar.gz && tar -zxvf QuantLib-SWIG-1.11.tar.gz && 
    cd QuantLib-QuantLib-v1.11 && ./autogen.sh && ./configure && make && make install && ldconfig
# 变成两个任务,防止第二个失败了,人崩溃了。
RUN cd /root/QuantLib-SWIG-QuantLib-SWIG-v1.11 && ./autogen.sh && ./configure PYTHON=/usr/bin/python3 && 
    make -C Python && make -C Python install && apt-get remove -y python-dev swig automake autoconf libtool && 
    rm -rf /root/QuantLib-QuantLib-v1.11 && rm -rf /root/QuantLib-SWIG-QuantLib-SWIG-v1.11  && 
    rm -f /root/QuantLib-1.11.tar.gz  /root/QuantLib-SWIG-1.11.tar.gz

编写翻译之后方可采用了:

>>> import QuantLib as ql 
>>> print(ql.__version__)
1.11

python 连接数据库日常要安装第三方模块,连接 MS SQL Server 必要设置 pymssql 。由于 pymsql 依赖于 FreeTDS,对于先于 2.1.3 版本的 pymssql,须要先安装 FreeTDS。由于先前时代版本的 pymssql 只提供了 windows 下的 wheel 打包,其余平台必要从源码包编写翻译安装,那要求先安装 freetds-dev 包,以提供须要的头文件。

上边进入安装PaddlePaddle阶段。

安装PaddlePaddle有两种方法:

  1. 最简便易行的点子自然是用pip包管理器安装
  2. 编写翻译源码安装
  3. 在docker中安装

1.1 用pip间接设置:

pip install -i https://pypi.douban.com/simple paddlepaddle==0.11.0

1.2 安装gpu版本前提是设置了CUDA和cudnn5,CUDA官方辅助的是cuda7.5和cuda8。Cuddn加快的话PaddlePaddle能够运用cudnn v2之后的任何贰个版本来编写翻译运行,但推荐使用它方今所扶助的万丈版本最新版本的cudnn5):

pip install -i https://pypi.douban.com/simple paddlepaddle-gpu==0.11.0

图片 1

1 概要

2,编写翻译安装quantlib


linux安装文书档案:

率先要预备 libboost库
下一场初阶工编织译 quantlib ,发掘编写翻译的日子最好的长。
从编写翻译出现的局地标题,到找到尝试。折腾了无数时日:
收拾了下安装脚本如下:

cd /root 
echo "############ 1 download file ############ "
curl -o QuantLib-1.11.tar.gz https://codeload.github.com/lballabio/QuantLib/tar.gz/QuantLib-v1.11
curl -o QuantLib-SWIG-1.11.tar.gz https://codeload.github.com/lballabio/QuantLib-SWIG/tar.gz/QuantLib-SWIG-v1.11
echo "############ 2 install ubuntu libs ############ "
apt-get update && apt-get install -y python-dev swig automake autoconf libtool libboost-all-dev
#echo "############ 3 uncompress tar files ############ "
tar -zxvf QuantLib-1.11.tar.gz && tar -zxvf QuantLib-SWIG-1.11.tar.gz 
echo "############ 5 install quantlib ############ "
cd QuantLib-QuantLib-v1.11 && ./autogen.sh && 
./configure && make && make install && ldconfig
echo "############ 5 install quantlib-python3 ############ "
cd ../QuantLib-SWIG-QuantLib-SWIG-v1.11 && ./autogen.sh && ./configure PYTHON=/usr/bin/python3 && 
make -C Python && make -C Python install
echo "############ 6 rm tmp files ############ "
rm -rf /root/QuantLib-QuantLib-v1.11 /root/QuantLib-SWIG-QuantLib-SWIG-v1.11
rm -f /root/QuantLib-1.11.tar.gz /root/QuantLib-SWIG-1.11.tar.gz

别看就是个编写翻译,不知情干什么这么耗时间。
编写翻译 quantlib 就花了三个时辰,编写翻译 QuantLib-SWIG 小编都停放晚间做了。
接下来第二天再来看。

$ docker pull mcr.microsoft.com/mssql/server:2017-latest$ docker run -e 'ACCEPT_EULA=Y' -e 'SA_PASSWORD=Codelife.me'  -p 1433:1433 --name sql1  -d mcr.microsoft.com/mssql/server:2017-latest

率先步,找一台计算机

率先,大家率先步要有一个妄图设备,俗话说巧妇难为无米之炊。你能够租用云服务器,当然也能够选择你手上现成的微管理器和服务器。在此间为了使开头安装遇到单纯,笔者将提请一个百度云服务器。

我们步入百度云官方网站,在成品中选拔“云服务器BBC”。点击购买:

图片 2

在置办时,云服务器类型选用“GPU实例”,因为别的品种的云服务器都未有布署GPU。有时候“GPU实例”处于不可用状态,是因为该地域服务器已经被租完,那即就要左上角接纳别的地面包车型大巴服务器集群,或然转移“可用区”:

图片 3

笔者换成了纽伦堡的集群。下一步,在GPU型号的选择上,因为老黄的老大条目,NVIDIA GeForce体系的GPU不允许用在商用深度学习世界,只可以个人切磋利用或许玩游戏,所以近年来唯有4种能够选:P40、P4、K40和NVIDIA 深度学习开辟卡。他们在参数上有三种差距,五个是计量工夫,一个是缓显存。举例:P4的单精度品质是5.5Tflops,P40属性是12Tflops。因为吃水学习着重运用单精度总括(其实除了天气预测,流人体模型拟,量子色引力学等最为调查商量项目,用到的都是单精度也许半精度的运算),所以这一个指标在实际影响上在您陶冶时陶冶进程快慢的难点。第贰个分歧就是GPU显存,显存难点其实优化的客体8G丰富用,优化不客观,给你100G都会爆显存。有的热用了 CNN,你随便做个内积内部存款和储蓄器就翻倍了明确要炸的。

任何的一块暗中认可就能够,若是想用SSD,在储存层面点击“创制云磁盘”,选用”SSD云磁盘“,调治合适的体量就能够,之后会挂在在系统上:

图片 4

假设您想要从外网访问这些服务器,要选用“购买弹性公网IP”,实际正是给您的服务器分配二个公网IP,否则的话你不得不从管理页面在网页上使用VNC远程连接。

日后依照本身的莫过于意况填写服务器登陆密码和购买时间长度。linux系统为root,windows系统为Administrator。全部便是这几个样子:

图片 5

付费办法能够选预支费和后付费,假诺不是计量重度使用客商,使用后付费会低价非常多,感觉她是依据使用量计费的。

付费成功后就足以在账户的“云服务器BCC-实例列表”里观望你的机器啦。默许名称是贰个里头序号,倘使服务器多的话为了便于分别,能够在左侧的开关重新输入名称:

图片 6

点击右边的“VNC远程”能够从网页端连接到服务器的SHELL。

图片 7

本来,大家也得以在“监察和控制”页面中找到服务器的IP地址,用XSHELL可能PUTTY等工具链接到服务器,在那用XSHELL演示一下:

图片 8

图片 9

图片 10

连接:

图片 11

接受并保存主机密钥。Linux客商名开端为root,提议利用root,正是为了方便,不用平常打sudo和输入密码:

图片 12

科学输入密码后就连接受服务器的shell了:

图片 13

那般一台可用的服务器就计划好了。

假诺利用的而是本人的机械的话,请确定保障机器情形与以上同等

3.2 CaffeConfig.cmake

cmake完结后,用 Xcode 展开项目目录下的 CaffeConfig.cmake(不要用 word 可能文本编辑张开),把尾数第三行的set(Caffe_CPU_ONLY OFF)改成set(Caffe_CPU_ONLY ON),保存并关闭。

PythonStock(18):使用docker 安装 quantlib 源码安装&lib库安装,pythonstockdocker

本文小编:倚贤

暗许是运用MKL的镜像

docker pull paddlepaddle/paddle

2.3 CMake

brew install cmake

4,python2 间接设置


要是是python2 的条件从来动用apt-get 举行安装:

apt-get install -y quantlib-python 

安装完毕现在的本子是 1.7 是 2014 年揭橥的。

>>> import QuantLib as ql
>>> print(ql.__version__)
1.7

新型的是 1.11 ,要想安装新型的依旧源码安装。
要想方便照旧 apt-get 安装快。

$ docker run --rm -v $:/code aliyunfc/runtime-python3.6 --handler index.handlerrow = (2, 'orange', 154)RequestId: d66496e9-4056-492b-98d9-5bf51e448174 Billed Duration: 144 ms Memory Size: 19

以下是cmake -D参数帮忙的具有编译选项:

  • WITH_GPU 是不是帮衬GPU。 决意于是还是不是寻觅到CUDA工具链

  • WITH_DOUBLE 是或不是选用双精度浮点数。 否

  • WITH_DSO 是或不是运转时动态加载CUDA动态库,而非静态加载CUDA动态库。 是

  • WITH_AVX 是不是编写翻译含有AVX指令集的PaddlePaddle二进制文件 是

  • WITH_PYTHON 是还是不是内嵌PYTHON解释器。方便现在的嵌入式移植工作。 是

  • WITH_STYLE_CHECK 是不是编写翻译时张开代码风格检查 是

  • WITH_EnclaveDMA 是不是张开XC90DMA 否

  • WITH_TIME昂科拉是还是不是开启计时功效。倘诺翻开会产生运营略慢,打字与印刷的日志变多,然则福利调节和测量检验和测Benchmark 否

  • WITH_TESTING 是或不是开启单元测量检验 决定于是或不是找出到GTEST

  • WITH_DOC 是还是不是编写翻译中克罗地亚语文书档案 否

  • WITH_SWIG_PY 是或不是编写翻译PYTHON的SWIG接口,该接口可用来预测和定制化训练决计于是不是找寻到SWIG

make

编写翻译达成后会在build/python/dist目录下生成输出的whl包,能够选在在当前机械安装:

Make install

能够拷贝到目的机器安装:

pip install 目标路径/*.whl

比如以前机器上安装了旧版本的paddle,可以应用编译的二进制包,使用-U参数来进步安装:

pip install 目标路径/*.whl -U

2.5 Caffe 的 Python 依赖

那边本身利用的是 Pycharm 新建虚构意况,新建在 /Users/Yourname/CaffeLearn(构造建设在哪儿都得以,你和谐记住就好)
选取基础条件的时候记得选拔通过 Homebrew 安转的老大,应该是在/usr/local/Cellar/python/2.7.13,参谋下图

图片 14

Pycharm创造虚构景况

创造好之后,在调节台(点Terminal 那多少个Tab)依赖 caffe 所需求的 Python库

图片 15

运营以下命令

pip install numpy scikit-image protobuf

1,关于quantlib


QuantLib 是三个只顾于 Quantitative Finance 计算与付出的 C 库。
是可怜大的几个lib库。
官方网站是:

着力代码是c 写的,使用swig进行包装,帮助python,java等比比较多言语。
github 项目地址:

是BSD开源项目。
上学文书档案:

有关quantlib的文书档案挺少的,仍然那么些汉子写的相比完善。以后渐次探究。

将 SQL Server 运转于 1433 端口,并设定 SA 账户密码为 Codelife.me

第二步

获得shell后率先步当然是要换多个境内的apt源,作者找了一个南开的源:

实行如下操作,备份原版的书文件后,新建三个原来的书文件:

# mv /etc/apt/sources.list /etc/apt/sources2.list
# vi /etc/apt/sources.list

使用i键步入编辑方式,然后将以下内容使用shift insert复制进去:

#默认注释了源码镜像以提高 apt update 速度,如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted universe multiverse

输入后 按下esc,然后按下立陶宛(Lithuania)语半角的冒号“:”,后输入wq,回车,就保存了。

最后别忘了输入apt-get update更新一下源文件

因为近年来PaddlePaddle与python3不包容,所以大家要索要四个2.7版本的python。

我们间接用apt下载就可以 apt-get install python。他暗许是2.7本子。安装到位后步向到了等候方式,输入python能够见到是2.7版:

图片 16

自然大家也足以透过源码格局安装python2.7

wget [https://www.python.org/ftp/python/2.7.13/Python-2.7.13.tgz] 

下载Python2.7

图片 17

解压该包:

tar -xvf Python-2.7.13.tgz

跻身该包:

cd Python-2.7.13

配置

 ./configure

编译:

make
make install

设置收尾

然后需求安装pip。Pip使用python的二个包管理工具,能够用它有扶助地一贯下载安装python包。

输入 apt-get install python-pip 安装,他会私下认可安装python暗中认可的2.7本子对应的PIP管理器

图片 18

安装完毕后,输入pip -V来查阅pip的本子

图片 19

装好pip后,首先先把numpy模块装好,因为她是paddlepaddle必备情况包

Pip install numpy

Pip暗许已经用的是国外的源,那速度简直是再难,大家临时用浙大源来安装:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyspider

设置到位后,步向python,输入import numpy as py 若未有报错则设置成功。

图片 20

2.1 Homebrew

极端运维

/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

5,总结


编写翻译quantlib 未有何技术含量,就是编写翻译时间太长了。
流行的 1.11 使用 1.7 的版本也一贯不什么难题。

正文的原来的文章连接是:
未经博主允许不得转发。
博主地址是:

开卷原作

确实从零发轫,PaddlePaddle详细安装入门图文化教育程!

1.3 用到的条件

因为随着各类库更新,不自然有空更新教程导致该科目有个别步骤不可用,特此说贝因美(Beingmate)下写那一个小说的时候各种库的本子。
MacOS 10.12.6
Python 2.7.13
pip 9.0.1
Pycharm Community Edition 2017.1
Homebrew 1.3.1
cmake version 3.8.2
caffe 1.0

说多美滋下插入结果并脱离。

AI那一个定义好像忽然就火起来了,年终大比分制伏李世石的AlphaGo成功的引发了汪洋的关注,但其实看看你的无绳电话机上的话音助手,相机上的人脸识别,今日头条上帮你活动筛选出来的新闻,还大概有各大音乐软件的歌曲“每天推荐”……琳琅满指标AI早就步向大家生活的全部。深刻的熏陶了着大家,能够说,那是二个AI的时日。

4.1 偶尔软连接系统和Homebrew 安装的 Python 路线

要不然在接下去 make 的长河只怕会出现错误:

'pyconfig.h' cannot be found

在极端运维以下命令创设连接

export CPLUS_INCLUDE_PATH="$CPLUS_INCLUDE_PATH:/usr/include/python2.7/"

本文为云栖社区原创内容,未经同意不得转发。

而明天本身要做的,正是带着所有那么些差十分的少从不编制程序基础却很想深造PaddlePaddle的同校跨过那道坎。告诉你们大家哪些希图好利用PaddlePaddle进行编制程序所需的整个,以及怎么样看懂教程上的那多少个代码所代表的意思,那么废话相当的少说,我们及时开首。

1.2 为何不用 docker 运转

因为 Pycharm Community 艾德ition 2017.1 不帮忙远程调节和测量检验,别的开销条件糟糕用。你要用 docker 的话能够不忽视该科目了。

本文由乐百家服务器发布,转载请注明来源:PythonStock(18):使用docker 安装 quantlib 源码安装