OnnxRun

Ausführen eines ONNX-Modells.

bool  OnnxRun(
   long    onnx_handle,  // ONNX-Sitzungshandle
   ulong   flags,        // Flags, die den Laufmodus beschreiben
   ...                   // Eingänge und Ausgänge des Modells
   );

Parameter

onnx_handle

[in] Handle des Objekts der ONNX-Sitzung von OnnxCreate oder OnnxCreateFromBuffer.

flags

[in] Die Flags aus ENUM_ONNX_FLAGS, die den Ausführungsmodus beschreiben: ONNX_DEBUG_LOGS und ONNX_NO_CONVERSION.

...

[in] [out] Eingänge und Ausgänge des Modells.

Gibt bei Erfolg true zurück, andernfalls false. Um den Fehler-Code zu erhalten, rufen Sie die Funktion GetLastError auf.

ENUM_ONNX_FLAGs

ID	Beschreibung
ONNX_LOGLEVEL_VERBOSE	Alle Meldungen protokollieren
ONNX_LOGLEVEL_INFO	Protokolliert Info-Meldungen, Warnungen und Fehler (dieses Flag ersetzt ONNX_DEBUG_LOGS)
ONNX_LOGLEVEL_WARNING	Protokolliert Warnungen und Fehler (Standard)
ONNX_LOGLEVEL_ERROR	Protokolliert nur die Fehler.
ONNX_NO_CONVERSION	Automatische Konvertierung deaktivieren, Nutzerdaten so verwenden, wie sie sind
ONNX_COMMON_FOLDER	Laden der Modelldatei aus dem Ordner „Common\Files“; der Wert entspricht dem Flag FILE_COMMON.
ONNX_USE_CPU_ONLY	Das ONNX-Modell nur mit der CPU ausführen
ONNX_GPU_DEVICE_0	CUDA-Gerät mit Index 0 (Standard)
ONNX_GPU_DEVICE_1	CUDA-Gerät mit Index 1 *
ONNX_GPU_DEVICE_2	CUDA-Gerät mit Index 2 *
ONNX_GPU_DEVICE_3	CUDA-Gerät mit Index 3 *
ONNX_GPU_DEVICE_4	CUDA-Gerät mit Index 4 *
ONNX_GPU_DEVICE_5	CUDA-Gerät mit Index 5 *
ONNX_GPU_DEVICE_6	CUDA-Gerät mit Index 6 *
ONNX_GPU_DEVICE_7	CUDA-Gerät mit Index 7 *
ONNX_ENABLE_PROFILING	Das Profiling des ONNX-Modells aktivieren

* Die Flags vom Typ ONNX_GPU_DEVICE_N, die auf Systemen mit zwei oder mehr CUDA-fähigen GPUs verwendet werden sollten. Wenn mehrere GPU-Auswahl-Flags angegeben sind, wird das Gerät mit dem niedrigsten Index verwendet.

Wenn ein nicht vorhandener Geräteindex angegeben ist, wird die GPU automatisch ausgewählt.

Beispiel:

const long                             ExtOutputShape[] = {1,1};    // Form der Modellausgänge
const long                             ExtInputShape [] = {1,10,4}; // Form der Modelleingänge
#resource "Python/model.onnx" as uchar ExtModel[]                   // Modell als Resource
//+------------------------------------------------------------------+
//| Skript Programm Start Funktion                                   |
//+------------------------------------------------------------------+
int OnStart(void)
  {
   matrix rates;
//--- Abrufen von 10 Balken
   if(!rates.CopyRates("EURUSD",PERIOD_H1,COPY_RATES_OHLC,2,10))
      return(-1);
//--- Eingang einer Reihe von OHLC-Vektoren
   matrix x_norm=rates.Transpose();
   vector m=x_norm.Mean(0);
   vector s=x_norm.Std(0);
   matrix mm(10,4);
   matrix ms(10,4);
//--- die Normalisierungsmatrizen ausfüllen
   for(int i=0; i<10; i++)
     {
      mm.Row(m,i);
      ms.Row(s,i);
     }
//--- Normalisieren der Eingangsdaten
   x_norm-=mm;
   x_norm/=ms;
//--- Modell erstellen
   long handle=OnnxCreateFromBuffer(ExtModel,ONNX_DEBUG_LOGS);
//--- Die Form der Eingangsdaten spezifizieren
   if(!OnnxSetInputShape(handle,0,ExtInputShape))
     {
      Print("OnnxSetInputShape failed, error ",GetLastError());
      OnnxRelease(handle);
      return(-1);
     }
//--- Spezifikation der Form der Ausgangsdaten
   if(!OnnxSetOutputShape(handle,0,ExtOutputShape))
     {
      Print("OnnxSetOutputShape failed, error ",GetLastError());
      OnnxRelease(handle);
      return(-1);
     }
//--- konvertieren der normalisierten Eingänge in den Type float
   matrixf x_normf;
   x_normf.Assign(x_norm);
//--- hier die Ausgangsdaten des Modells abrufen, d. h. die Preisvorhersage
   vectorf y_norm(1);
//--- Ausführen des Modells
   if(!OnnxRun(handle,ONNX_DEBUG_LOGS | ONNX_NO_CONVERSION,x_normf,y_norm))
     {
      Print("OnnxRun failed, error ",GetLastError());
      OnnxRelease(handle);
      return(-1);
     }
//--- Ausdrucken der Ausgangswerte des Modells in das Protokoll
   Print(y_norm);
//--- die Rücktransformation durchführen, um den voraussichtlichen Preis zu erhalten
   double y_pred=y_norm[0]*s[3]+m[3];
   Print("price predicted:",y_pred);
//--- abgeschlossene Operation
   OnnxRelease(handle);
   return(0);
  };

Siehe auch

OnnxSetInputShape, OnnxSetOutputShape

OnnxRelease

OnnxGetInputCount