Experts: ONNX 모델을 사용하여 손으로 쓴 숫자를 인식하는 법 예시

새 코멘트
 

ONNX 모델을 사용하여 손으로 쓴 숫자를 인식하는 법 예시:

이 Expert Advisor는 거래를 하지 않습니다. 표준 캔버스 라이브러리를 사용하여 구현된 간단한 패널을 사용하면 여러분은 마우스로 숫자를 그릴 수 있습니다. 학습된 mnist.onnx 모델은 숫자를 인식하는 데 사용됩니다.

ONNX 모델을 사용하여 손으로 쓴 숫자를 인식하는 법 예시

작성자: Slava

 
트레이딩에서 ZZ 패턴과는 다른 방식으로 차트 패턴을 식별하는 데 도움이 되며, 발견한 패턴의 품질도 향상될 수 있다는 것을 알고 있습니다.
 
캔버스 구현을 흥미롭게 살펴봤는데요, 감사합니다. 이미지 인식을 위한 이 ONNX 모델의 계산 복잡도는 훈련의 계산 복잡도를 훈련 샘플 수로 나눈 값과 같다는 것이 맞나요?
 

음. 9는 덜 알아볼 수 있습니다.

가격이 빙글빙글 돌지 않으니 상관없습니다.)

선형 숫자를 인식하는 것은 매우 좋습니다.

패턴 분류에 유용할 수 있습니다.

  

value 7 predicted with probability 0.9998406767845154
이 모델은 매우 빠릅니다. OnnxRun은 100마이크로초 만에 실행됩니다.
 
fxsaber #:
이미지 인식을 위한 이 ONNX 모델의 계산 복잡도는 학습의 계산 복잡도를 학습 샘플 수로 나눈 값과 같다는 것이 맞나요?

또한 약 2로 나눕니다. 훈련 과정에서 순방향 함수 외에도 역전파 함수(역전파)가 호출됩니다.

활성화 함수와 활성화 함수의 미분 함수는 계산 복잡도가 다를 수 있으므로 대략 2로 나눕니다.

 
Slava #:

또한 약 2로 나눕니다. 학습 과정에서는 순방향 외에도 역전파 함수가 호출됩니다.

활성화 함수와 활성화 함수의 미분 함수는 계산 복잡도가 다를 수 있으므로 대략 2로 나눕니다.

하나의 코어에서도 훈련이 10초도 채 걸리지 않은 것으로 나타났습니다. 정말 빠른 것 같습니다.

모델의 가중치 수가 궁금합니다. 아마도 가장 단순한 유기체를 움직이는 신경망보다 훨씬 더 원시적일 것입니다.

 
fxsaber #:

단일 코어에서도 훈련 시간이 10초도 채 걸리지 않는 것으로 나타났습니다. 꽤 빠른 속도입니다.

모델에 얼마나 많은 가중치가 있는지 궁금합니다. 아마도 가장 단순한 유기체를 움직이는 신경망보다 훨씬 더 원시적일 것입니다.

모델이 원시적이기 때문에 빠른 것이죠. 또한 훈련이 한 번에 이루어지지 않는다는 점도 염두에 두어야 합니다. 최소 15회 이상, 매번 6만 장의 사진을 섞어 학습해야 합니다. 그래서 정말 매우 빠릅니다.

레이어 사이의 가중치 수는 레이어 크기의 곱입니다. mnist.onnx 레이어에 대한 정보는 netrona에서 찾을 수 있습니다.

새 코멘트