自定义运行

# 自定义运行

(可视化模块)
通过 T.paralle_map 计算框架和平台资源,可实现快速的策略并行。
定义

M.hyper_run.v1(run=func,run_now=True,bq_graph=g)

参数

  • run(func)—自定义运行逻辑函数,函数中指定运行参数;
  • run_now(bool)—是否即时执行,默认为是。
  • bq_graph(Graph)—模块参数(自动生成T.Graph对象g),以字典方式自动汇总了画布所有模块的参数信息。

示例代码
下例展示了如何并行计算多个单因子策略:

def bigquant_run(bq_graph, inputs):
     # 要计算的单因子范围
    features =['pe_ttm_0', 'shift(close_0,5)/close_0','mean(close_0,10)/close_0']
    parameters_list = []
    # 将并行运行的参数和对应的graph模块参数名记录在字典中,并保存在parameters_list中
    for feature in features:
        parameters = {'m3.features':feature}
        parameters_list.append({'parameters': parameters})

    # 定义T.parallel_map中批量运行的run函数,这里进行了防错处理
    def run(parameters):
    try:
        print(parameters)
        return g.run(parameters)
    except Exception as e:
        print('ERROR --------', e)
        return None
# 执行T.parallel_map实现并行计算,max_workers为指定的并行任务数量,
# remote_run(bool)—是否开启远程云计算默认为Trne,silent(bool)—是否显示每个运行结果,默认为不显示
    results = T.parallel_map(run, parameters_list, max_workers=2, remote_run=True, silent=True)
    return results

返回

各并行计算任务的结果数据,例如自定义运行模块的编号为m1,则可以通过m1.result[0]查看第一次滚动计算的各模块运行结果

返回类型

OutPuts