MT5와 MO를 친구로 만드는 방법은 분명한 기본 시나리오가 있습니다: 1. OnInit()에서 파이썬 스크립트가 별도의 프로세스로 시작됩니다. 2. EA가 정보가 도착할 때까지 기다릴 수 있는 모드에서 파이썬과 EA 간의 정보 교환 기능이 몇 가지 필요합니다. 3. Models 폴더를 만들고 TensorFlow 모델을 그 안에 넣습니다.
그거예요!!! MT와 MO 통합이 완료되었습니다! 모두가 만족합니다.
이보다 더 간단할 수는 없습니다... Redis를 연결하고, PyTorch, ONNX, TensorFlow를 지원하는 RedisAI를 사용하고, 원하는 경우 노드와 클라우드에 부하를 분산시키면 됩니다.
Maxim Dmitrievsky #: 목발이 하나 줄어들면 사용되는 모델의 범위가 크게 확장됩니다(이전에는 대부분 터미널 입력을 통해 무게를 최적화했습니다). 분명히 Mac에서도 작동 할 것입니다. 곧 확인하겠습니다 :) 때로는 아무것도하지 않고 음식이 저절로 입안으로 날아갈 때까지 기다리는 것이 좋습니다.
글쎄, 나는 파이썬의 수준을 높이기 위해이 사건에 참여했습니다. 지금은 그것 없이는 할 수 없습니다) LightGBM으로 시작해야한다고 생각합니다. ONNX를 얻는 방법은 두 가지가 있는 것 같습니다 - onnxmltools와 skl2onnx.
Evgeny Dyuka #: 나는 항상 속도의 중요성에 대한이 전설을 들었지만 그것이 어디에서 중요한지 이해할 수 없습니다. 스프레드와 거래소 / 중개인 수수료를 고려하면 수십 분 또는 시간 단위로 측정 된 시간을 예측해야합니다. 50 밀리 초 차이가 무슨 관련이 있습니까 ? 실제 생활에서 fxsaber보다 MQ를 5 밀리 초 차이로 이기는 것이 정확히 어떻게 도움이됩니까?
마음대로 하세요. 하지만 약간의 속도 증가도 괜찮습니다. 테스트 / 최적화와 거래 모두에서.
Renat Fatkhullin #: onnx 모델의 기본 실행을 통해 타사 통합에서는 거의 불가능한 시스템 오버헤드 없이 테스터와 클라우드넷에서 쉽고 빠르게 실행할 수 있습니다.
전략 테스트 중에 '통화당 50밀리초 손실이 무슨 대수냐'고 생각하면 테스트 시간이 수천 배로 늘어날 수 있습니다.
클라우드에서의 최적화가 효과가 없을까 봐 걱정됩니다. 최적화의 핵심은 TS 매개변수를 변경하는 것입니다. 예를 들어 TP/SL 선택이 있습니다. 변경하면 학습용 데이터가 변경됩니다. 즉, 각 매개 변수의 변형으로 모델을 훈련해야하며이를 위해 MO 소프트웨어 (Catbust, 신경망 등)를 설치해야합니다. 클라우드에 필요한 소프트웨어가 올바른 버전으로 설치되어 있을 가능성은 거의 없습니다( ).
따라서 교육은 개발자 컴퓨터의 테스터에서만 수행 할 수 있습니다. 그리고 완성 된 모델을 클라우드에 업로드하는 것은 의미가 없습니다.
Forester #: 클라우드에서 최적화하는 것이 효과가 없을까봐 걱정됩니다. 최적화의 요점은 TS의 매개 변수를 변경하는 것입니다. 예를 들어 TP/SL 선택이 있습니다. 변경하면 학습용 데이터가 변경됩니다. 즉, 각 파라미터의 변형으로 모델을 훈련해야 하며, 이를 위해 MO 소프트웨어(캣버스트, 신경망 등)를 설치해야 합니다. 클라우드에 필요한 소프트웨어가 올바른 버전으로 설치되어 있을 가능성은 거의 없습니다( ).
따라서 교육은 개발자 컴퓨터의 테스터에서만 수행 할 수 있습니다. 그리고 완성 된 모델을 클라우드에 업로드하는 것은 의미가 없습니다.
공정하게 말하자면, 모델이 반드시 완성된 TS는 아닙니다. 예를 들어, 모델이 가격 상승을 예측하고 EA 매개변수에서 예측된 상승에 대한 임계값을 설정하면 EA가 거래를 시도합니다.
애초에 ONNX에 왜 이렇게 화려한 기능을 넣었는지 이해가 안 됩니다.
MT5와 MO를 친구로 만드는 방법은 분명한 기본 시나리오가 있습니다:
1. OnInit()에서 파이썬 스크립트가 별도의 프로세스로 시작됩니다.
2. EA가 정보가 도착할 때까지 기다릴 수 있는 모드에서 파이썬과 EA 간의 정보 교환 기능이 몇 가지 필요합니다.
3. Models 폴더를 만들고 TensorFlow 모델을 그 안에 넣습니다.
그거예요!!! MT와 MO 통합이 완료되었습니다! 모두가 만족합니다.
이보다 더 간단할 수는 없습니다... Redis를 연결하고, PyTorch, ONNX, TensorFlow를 지원하는 RedisAI를 사용하고, 원하는 경우 노드와 클라우드에 부하를 분산시키면 됩니다.
목발이 하나 줄어들면 사용되는 모델의 범위가 크게 확장됩니다(이전에는 대부분 터미널 입력을 통해 무게를 최적화했습니다). 분명히 Mac에서도 작동 할 것입니다. 곧 확인하겠습니다 :) 때로는 아무것도하지 않고 음식이 저절로 입안으로 날아갈 때까지 기다리는 것이 좋습니다.
글쎄, 나는 파이썬의 수준을 높이기 위해이 사건에 참여했습니다. 지금은 그것 없이는 할 수 없습니다) LightGBM으로 시작해야한다고 생각합니다. ONNX를 얻는 방법은 두 가지가 있는 것 같습니다 - onnxmltools와 skl2onnx.
나는 항상 속도의 중요성에 대한이 전설을 들었지만 그것이 어디에서 중요한지 이해할 수 없습니다.
스프레드와 거래소 / 중개인 수수료를 고려하면 수십 분 또는 시간 단위로 측정 된 시간을 예측해야합니다. 50 밀리 초 차이가 무슨 관련이 있습니까 ?
실제 생활에서 fxsaber보다 MQ를 5 밀리 초 차이로 이기는 것이 정확히 어떻게 도움이됩니까?
마음대로 하세요. 하지만 약간의 속도 증가도 괜찮습니다. 테스트 / 최적화와 거래 모두에서.
onnx 모델의 기본 실행을 통해 타사 통합에서는 거의 불가능한 시스템 오버헤드 없이 테스터와 클라우드넷에서 쉽고 빠르게 실행할 수 있습니다.
).
따라서 교육은 개발자 컴퓨터의 테스터에서만 수행 할 수 있습니다.
그리고 완성 된 모델을 클라우드에 업로드하는 것은 의미가 없습니다.
이보다 더 간단할 수도 있습니다... Redis를 연결하고, PyTorch, ONNX, TensorFlow를 지원하는 RedisAI를 사용하고, 원하는 경우 노드와 클라우드에 부하를 분산시키면 됩니다.
기내에는 수영장, 댄스 플로어, 레스토랑, 아늑한 휴식 공간, 겨울 정원이 있습니다... 승객 여러분, 안전벨트를 매세요 이제 이 모든 것을 싣고 이륙 하겠습니다.
클라우드에서 최적화하는 것이 효과가 없을까봐 걱정됩니다. 최적화의 요점은 TS의 매개 변수를 변경하는 것입니다. 예를 들어 TP/SL 선택이 있습니다. 변경하면 학습용 데이터가 변경됩니다. 즉, 각 파라미터의 변형으로 모델을 훈련해야 하며, 이를 위해 MO 소프트웨어(캣버스트, 신경망 등)를 설치해야 합니다. 클라우드에 필요한 소프트웨어가 올바른 버전으로 설치되어 있을 가능성은 거의 없습니다(
).
따라서 교육은 개발자 컴퓨터의 테스터에서만 수행 할 수 있습니다.
그리고 완성 된 모델을 클라우드에 업로드하는 것은 의미가 없습니다.
공정하게 말하자면, 모델이 반드시 완성된 TS는 아닙니다. 예를 들어, 모델이 가격 상승을 예측하고 EA 매개변수에서 예측된 상승에 대한 임계값을 설정하면 EA가 거래를 시도합니다.
우리 비행기에는 수영장, 댄스 플로어, 레스토랑, 아늑한 라운지 공간, 윈터 가든이 있습니다... 승객 여러분, 안전벨트를 매세요 이제 이 모든 것을 싣고 이륙 하겠습니다.
IMHO 이것은 MQL의 현재 개발에 관한 것입니다. 통합 대신 모든 것을 한 번에 밀어 넣으려는 시도입니다.
IMHO 이것은 현재 MQL의 개발에 관한 것입니다. 통합 대신 모든 것을 한꺼번에 집어넣으려는 시도
+
IMHO 이것은 현재 MQL의 개발에 관한 것입니다. 통합 대신 모든 것을 한꺼번에 집어넣으려는 시도
통합의 길은 항상 열려 있습니다:
하지만 완전한 애플리케이션을 작성할 수 있게 해주는 것은 바로 기본 언어 통합입니다.
머신 러닝과 관련해서는 벡터, 행렬, 연산을 머신 러닝의 기초로 삼아 작업하고 구현해 왔습니다:
완전하고 빠른 솔루션을 만들 수 있습니다.
"벼락치기"에 대한 말은 합리적 정당성없이 부정적인 태도만을 나타냅니다. 특히 가능성의 가용성은 어떤 식 으로든 작가를 제한하지 않기 때문입니다.