今天大致了解了一下TradingView，首先给我的第一印象是，他像一个MT4的在线版，不过是更开放的形态，除了提供巨量的界面指标展示，还允许做本地化部署。 在某种程度上，他更像一个IT项目，而且是专注于交易前端的，而不是专注于数据与策略开发。虽然项目很开放，但实际对于专业的投资机构而言，开放并不是第一位的，他们更追求，交易的便利与安全性，同时注重策略的开发与迭代。大部分都是自己开发系统与数据维护。 所以TradingView，更像是业余交易者使用的一个偏前端的工具而已。
首先，不再需要每次客户端chrome更新之后，再跑去chromium上去寻找相应版本的webdriver.exe文件了。（以前每次chrome自动更新后，跑python项目都会报错，提示需更新webdriver到对应版本） 以后使用chrome fo test来跑webdriver,而不再使用chrome正常客户端了~ 只需要从此处，下载chrome for testing，然后下载相应webdriver就可以了。 日常使用的chrome可以随便更新，不再影响在python中使用webdriver了。
简单了解释SD关键词写法规则注意事项
一、正面提示词 要写好一份提示词，遵循原则为尽可能详细并且具体，从不同角度进行详细描述。下面从 9 个角度来介绍输入关键词。 常用的关键词类别包括如下： (1) 主体 subject (2) 媒介 medium (3) 风格 style (4) 画家 artist (5) website (6) 分辨率 resolution (7) 额外细节 additional details (8) 色调 color (9) 光影 lighting 当然，输入提示词时，不需要包括到每个类别，只需作为一个列表检查下哪些可以用到。下面通过添加每个类别的关键字来生成一些图像，来说明和介绍下每个类别。为单独观察提示词效果，实验时不会使用负面提示词（在下个模块会更详细介绍）。 （一）主体 subject，是指想在图像中看到的主体，要尽可能详细描述以避免出现描述不足的问题。假如要生成一个在施法的女巫，新手可能会这么写： 这个描述词也太简单了吧，要提到女巫长什么样，增加她形象相关的描述词，比如说她穿了什么？在施什么魔法？是站着，跑着，或者飘浮在天上？主体背景在哪里？ Stable diffusion 并不能猜到这些内容，我们要更详细地表达各个元素信息。画人物对象的一个常用技巧是使用名人的名字，名人由于在训练集中出现频次较大而训练充分，是控制生成人物形象的一种好办法。 作为演示，把女巫形象设置成 Emma Watson 的样子，她因饰演《哈利波特》中的赫敏一角红遍全球，也是 stable diffusion 里最常使用的一个关键词。把她想象成一个会使用闪电的神秘女巫，并增加一些形象要求，提示词如下： (二) 画风 画风 medium，是指生成图片的画风，包括插画 illustration、油画 oil painting 或摄影风 photography 等。这类描述词影响力很大，单独一个画风描述词就能很大程度地改变风格。 …
Meta 和微软深度合作，正式推出下一代开源大语言模型 Llama 2，并宣布免费提供给研究和商业使用。 据介绍，相比于 Llama 1，Llama 2 的训练数据多了 40%，上下文长度是 Llama 1 的 2 倍，并采用了分组查询注意力机制。具体来说，Llama 2 预训练模型是在 2 万亿的 token 上训练的，微调 Chat 模型是在 100 万人类标记数据上训练的。