Обсуждение статьи "Разметка данных в анализе временных рядов (Часть 6)：Применение и тестирование советника с помощью ONNX"

[MetaQuotes]

Опубликована статья Разметка данных в анализе временных рядов (Часть 6)：Применение и тестирование советника с помощью ONNX:

В этой серии статей представлены несколько методов разметки временных рядов, которые могут создавать данные, соответствующие большинству моделей искусственного интеллекта (ИИ). Целевая разметка данных может сделать обученную модель ИИ более соответствующей пользовательским целям и задачам, повысить точность модели и даже помочь модели совершить качественный скачок!

В предыдущей статье мы рассмотрели, как использовать WebSocket для связи между советником и сервером Python для решения проблемы тестирования на истории, а также обсудили, почему мы приняли этот метод. В этой статье мы обсудим, как использовать ONNX, который изначально поддерживается MQL5, для выполнения вывода по нашей модели. Также рассмотрим ограничения метода. Если в вашей модели используются операторы, которые не поддерживаются ONNX, вывод может закончиться неудачей, поэтому этот метод подходит не для всех моделей (конечно, вы также можете добавить операторы для поддержки вашей модели, но это требует много времени и усилий). Вот почему в предыдущей статье я уделил много места тому, чтобы представить метод сокетов.

Конечно, конвертировать общую модель в формат ONNX очень удобно и дает нам эффективную поддержку кроссплатформенных операций. В статье в основном рассматриваются некоторые базовые операции по работе с моделями ONNX в MQL5, в том числе способы сопоставления входных и выходных данных моделей torch и ONNX, а также способы преобразования подходящих форматов данных для моделей ONNX. Конечно, речь пойдет и об управлении ордерами советника.

Автор: Yuqiang Pan