Sistemi Esperti: Esempio di utilizzo di un modello ONNX per riconoscere i numeri scritti a mano

Nuovo commento
 

Esempio di utilizzo di un modello ONNX per riconoscere i numeri scritti a mano:

Questo Expert Advisor non trada. Un semplice pannello, implementato utilizzando la libreria standard Canvas, permette di disegnare cifre con il mouse. Il modello addestrato mnist.onnx viene utilizzato per riconoscere le cifre.

Esempio di utilizzo di un modello ONNX per riconoscere i numeri scritti a mano

Autore: Slava

 
Mi sembra di capire che nel trading sia utile identificare i pattern grafici in modo diverso dai pattern ZZ, il che potrebbe addirittura migliorare la qualità dei pattern trovati.
 
Ho guardato con interesse la realizzazione di Canvas, grazie. È corretto dire che la complessità computazionale di questo modello ONNX per il riconoscimento delle immagini è pari alla complessità computazionale dell'addestramento divisa per il numero di campioni di addestramento?
 

Beh. I 9 sono meno riconoscibili

non importa, perché il prezzo non gira in tondo ;)

Riconosce le cifre lineari e questo è molto buono.

può essere utile per la classificazione dei modelli

  

value 7 predicted with probability 0.9998406767845154
Il modello è molto veloce: OnnxRun viene eseguito in 100 microsecondi.
 
fxsaber #:
È corretto dire che la complessità computazionale di questo modello ONNX per il riconoscimento delle immagini è pari alla complessità computazionale dell'addestramento divisa per il numero di campioni di addestramento?

Anche questo diviso per circa 2. Durante il processo di addestramento, oltre alla funzione forward, viene richiamata la funzione back propagation (propagazione all'indietro).

Approssimativamente di 2, perché la funzione di attivazione e la funzione derivata della funzione di attivazione possono avere una complessità computazionale diversa.

 
Slava #:

Diviso anche per circa 2. Nel processo di apprendimento, oltre alla funzione forward, viene richiamata la funzione back propagation.

Approssimativamente di 2, perché la funzione di attivazione e la funzione derivata della funzione di attivazione possono avere una diversa complessità computazionale.

È emerso che anche su un solo core l'addestramento è durato meno di 10 secondi. Sembra davvero veloce.

Mi chiedo quale sia il numero di pesi del modello. Probabilmente è molto più primitivo delle reti neurali degli organismi più semplici.

 
fxsaber #:

È emerso che anche su un singolo core l'allenamento è durato meno di 10 secondi. È piuttosto veloce.

Mi chiedo quanti pesi ci siano nel modello. Probabilmente è molto più primitivo delle reti neurali degli organismi più semplici.

È veloce perché il modello è primitivo. Bisogna anche tenere presente che l'addestramento non avviene in una sola volta. Almeno 15 epoche, ogni volta mescolando 60.000 immagini. Quindi è davvero molto veloce.

Il numero di pesi tra gli strati è il prodotto delle dimensioni degli strati. Le informazioni sugli strati di mnist.onnx sono disponibili in netrona

Nuovo commento