Somente a grade final treinada pode ser colocada no arquivo onnx. Também é possível (teoricamente) colocar o pré-processamento de recursos para a grade a partir do preço inicial. Tudo junto é chamado de pipeline, e a questão é quão flexível é a possibilidade de colocar todo o pipeline em um único arquivo ONNX.
Ninguém quer realmente se aprofundar nesse tópico, pois é preciso ser muito bom em python e há pouquíssimos manuais sobre o assunto, e a IA mente, como sempre.)
Somente a grade final treinada pode ser colocada no arquivo onnx. Também é possível (teoricamente) colocar o pré-processamento de sinais para a grade a partir do preço inicial. Tudo junto é chamado de pipeline, e a questão é quão flexível é a possibilidade de colocar todo o pipeline em um único arquivo ONNX.
Ninguém quer realmente se aprofundar nesse tópico, pois é preciso ser muito bom em python e há pouquíssimos manuais sobre o assunto, e a IA mente, como sempre.)
O pré-processamento é, grosso modo, a normalização, de modo que o número de recursos não muda....
Estou me perguntando se é possível gerar novos atributos internamente, o modelo aceita uma matriz de ohlc e, dentro do formato ohlc, novos atributos já são gerados; ainda há um bom pedaço de código personalizado completo dentro....
Ainda não entendi se isso pode ser feito com pouco sangue ou não...
O pré-processamento é praticamente uma normalização, de modo que o número de recursos não muda.
Gostaria de saber se é possível gerar novos atributos internamente, o modelo aceita uma matriz de ohlc e, dentro do formato ohlc, novos atributos já são gerados; ainda há um bom pedaço de código personalizado completo dentro....
Ainda não entendi se isso pode ser feito com pouco sangue ou não...
IMHO, para um iniciante em Python definitivamente não é, para um profissional de Python é uma questão de limites de possibilidades. Existem poucos manuais até o momento e eles contêm apenas exemplos simples.
Aleksey Nikolayev #: IMHO, para um iniciante em Python, definitivamente não, para um profissional em Python - é uma questão de limites de possibilidades. Existem poucos manuais até o momento e eles contêm apenas exemplos simples.
The numpy API is meant to simplofy the creation of ONNX graphs by using functions very similar to what numpy implements. This page only makes a list of the available functions. A tutorial is available at . This API was first added to mlprodict in version 0.6. Introduction# Converting custom code into ONNX is not necessarily easy. One big...
Se você só precisa transferir o modelo e fazer o pip com normalizações simples, o onnx é bom.
Mas se você precisar fazer algo personalizado, ou é AD ou não é possível....
Não sei para que tipo de operadores isso foi projetado...
Parece que 5 pessoas participarão do concurso, 4 delas são funcionários da metaquotes que trabalharam na integração com o metatrader.
Eu tenho um EA real com R, com a primeira versão da qual cheguei ao testador.
A estrutura é a seguinte:
1. Há um Expert Advisor comum no µl, com o conjunto usual de funções: trabalhar com ordens, paradas, MM..... O bloco de geração de sinais, nos exemplos de metaquotes - a interseção de dois mashes, é substituído por um apelo ao R, que envia o próximo OHLC.
2. Em termos gerais, o código do R consiste em duas partes:
2.1. converter o OHLC em um conjunto de preditores para os modelos. São centenas (ou milhares) de operadores no R com acesso a alguns pacotes (não modelos) do R.
2.2. computação real do sinal pelo modelo.
3. o sinal para negociação é transmitido de volta para o Expert Advisor: -1; 0; 1.
Voltando ao tópico, verifica-se que para usar o ONNX p.2.2 será ONNX, e no EA será necessário mover o p.2.1? Essa é uma tarefa séria para mim, pois, além dos modelos em si, são usados outros pacotes do R, cujos algoritmos terão de ser codificados em µl.
Aleksey Nikolayev descrição do produto, for adicionada uma menção às frases
aprendizado de máquina
redes neurais
inteligência artificial
GPT e IA
Agora há um fenômeno interessante na sociedade: a popularidade de algo do mundo científico. Portanto, o comportamento mudou: se antes a descrição científica repelia as pessoas comuns, agora, ao contrário, ela as atrai. Como consequência, para aumentar as vendas, faz sentido mencionar outros termos quase científicos, como "transformações de Fourier e Laplace". E, é claro, belas imagens/animações sobre o assunto.
Texto e imagens já são suficientes.
O primeiro campeonato mundial de negociação entre inteligências artificiais.
Um ciborgue imperturbável contra o fundo de gráficos e funcionários da bolsa de valores em pânico.
Crise? - A inteligência artificial é o futuro.
Um grande especialista em aprendizado de máquina? - Prove/teste sua competência. Embeleze seu currículo com um prêmio de classe mundial.
etc.
Definitivamente, não haverá falta de espectadores. Atrair especialistas é duvidoso, mas acontece. Os especialistas provavelmente dirão que eu não tenho um TC. Incentivar os recém-chegados ao MoD - é difícil dizer. O que definitivamente funcionará é o número de vendas no mercado de EAs com IA. Acredito que as vendas adicionais no Market pagariam o campeonato em um ano. O orçamento para organizar e realizar o campeonato é de, no mínimo, US$ 250 mil. O prêmio em dinheiro é uma pequena parte do orçamento.
Voltando ao tópico, parece que, para usar o ONNX, o 2.2.2 estará no ONNX e o 2.1 terá que ser movido para o EA? Essa é uma tarefa séria para mim, pois além dos modelos em si, outros pacotes do R são usados, cujos algoritmos terão que ser codificados em µl.
Pelo que entendi, tudo é exatamente assim
--------------------------------
essa tecnologia não é para humanos...
o principal em um modelo são os atributos, não o modelo em si...
Os profissionais já estabeleceram o processo de criação de atributos e processamento de dados, eles também sabem como conectar modelos ao mercado, eles simplesmente não precisam do ONNX.
E os iniciantes nem sequer conhecem o ONNX.
Para quem isso foi criado, eu não sei em meu coração...
Para login e uso do site MQL5.com, você deve ativar o uso de cookies.
Ative esta opção no seu navegador, caso contrário você não poderá fazer login.
Você entrou na conta. A autenticação de dois fatores foi desativada. Configure-a novamente e escaneie um novo código QR ou continue com a autenticação de dois fatores desativada.
Você pode fazer isso no mesmo R, salvar o modelo e, por meio do python, no onnx, em poucas linhas
Isso se você estiver se referindo apenas ao modelo de rede neural e não a qualquer modelo como o Forest.
Embora o hgbust provavelmente também seja possível.
---------------------------------
E ele diz que você não pode converter qualquer modelo, o próprio modelo deve suportar esse formato.
--------------------------------
Portanto, a conclusão é que o ONNH é python, sem saída.
neuro, é claro).
Somente a grade final treinada pode ser colocada no arquivo onnx. Também é possível (teoricamente) colocar o pré-processamento de recursos para a grade a partir do preço inicial. Tudo junto é chamado de pipeline, e a questão é quão flexível é a possibilidade de colocar todo o pipeline em um único arquivo ONNX.
Ninguém quer realmente se aprofundar nesse tópico, pois é preciso ser muito bom em python e há pouquíssimos manuais sobre o assunto, e a IA mente, como sempre.)
Somente a grade final treinada pode ser colocada no arquivo onnx. Também é possível (teoricamente) colocar o pré-processamento de sinais para a grade a partir do preço inicial. Tudo junto é chamado de pipeline, e a questão é quão flexível é a possibilidade de colocar todo o pipeline em um único arquivo ONNX.
Ninguém quer realmente se aprofundar nesse tópico, pois é preciso ser muito bom em python e há pouquíssimos manuais sobre o assunto, e a IA mente, como sempre.)
O pré-processamento é, grosso modo, a normalização, de modo que o número de recursos não muda....
Estou me perguntando se é possível gerar novos atributos internamente, o modelo aceita uma matriz de ohlc e, dentro do formato ohlc, novos atributos já são gerados; ainda há um bom pedaço de código personalizado completo dentro....
Ainda não entendi se isso pode ser feito com pouco sangue ou não...
O pré-processamento é praticamente uma normalização, de modo que o número de recursos não muda.
Gostaria de saber se é possível gerar novos atributos internamente, o modelo aceita uma matriz de ohlc e, dentro do formato ohlc, novos atributos já são gerados; ainda há um bom pedaço de código personalizado completo dentro....
Ainda não entendi se isso pode ser feito com pouco sangue ou não...
IMHO, para um iniciante em Python, definitivamente não, para um profissional em Python - é uma questão de limites de possibilidades. Existem poucos manuais até o momento e eles contêm apenas exemplos simples.
De qualquer forma, a julgar por
http://w ww.xavierdupre.fr/app/mlprodict/helpsphinx/tutorial/onnx_numpy.html
e em
http://www.xavierdupre.fr/app/mlprodict/helpsphinx/api/npy.html#l-numpy-onnxpy
se você só precisa transferir o modelo e fazer o pipping com normalizações simples, então o onnx é bom...
mas se você precisar fazer algo personalizado, ou é AD ou não é possível...
Não sei a que tipo de operadores isso se destina...
Parece que 5 pessoas participarão do concurso. 4 delas são funcionários da metaquotes que trabalharam na integração do onnx ao metatrader.
De qualquer forma, de acordo com
http://w ww.xavierdupre.fr/app/mlprodict/helpsphinx/tutorial/onnx_numpy.html
e por
http://www.xavierdupre.fr/app/mlprodict/helpsphinx/api/npy.html#l-numpy-onnxpy
Se você só precisa transferir o modelo e fazer o pip com normalizações simples, o onnx é bom.
Mas se você precisar fazer algo personalizado, ou é AD ou não é possível....
Não sei para que tipo de operadores isso foi projetado...
Parece que 5 pessoas participarão do concurso, 4 delas são funcionários da metaquotes que trabalharam na integração com o metatrader.
Eu tenho um EA real com R, com a primeira versão da qual cheguei ao testador.
A estrutura é a seguinte:
1. Há um Expert Advisor comum no µl, com o conjunto usual de funções: trabalhar com ordens, paradas, MM..... O bloco de geração de sinais, nos exemplos de metaquotes - a interseção de dois mashes, é substituído por um apelo ao R, que envia o próximo OHLC.
2. Em termos gerais, o código do R consiste em duas partes:
2.1. converter o OHLC em um conjunto de preditores para os modelos. São centenas (ou milhares) de operadores no R com acesso a alguns pacotes (não modelos) do R.
2.2. computação real do sinal pelo modelo.
3. o sinal para negociação é transmitido de volta para o Expert Advisor: -1; 0; 1.
Voltando ao tópico, verifica-se que para usar o ONNX p.2.2 será ONNX, e no EA será necessário mover o p.2.1? Essa é uma tarefa séria para mim, pois, além dos modelos em si, são usados outros pacotes do R, cujos algoritmos terão de ser codificados em µl.
Agora há um fenômeno interessante na sociedade: a popularidade de algo do mundo científico. Portanto, o comportamento mudou: se antes a descrição científica repelia as pessoas comuns, agora, ao contrário, ela as atrai. Como consequência, para aumentar as vendas, faz sentido mencionar outros termos quase científicos, como "transformações de Fourier e Laplace". E, é claro, belas imagens/animações sobre o assunto.
Texto e imagens já são suficientes.
Voltando ao tópico, parece que, para usar o ONNX, o 2.2.2 estará no ONNX e o 2.1 terá que ser movido para o EA? Essa é uma tarefa séria para mim, pois além dos modelos em si, outros pacotes do R são usados, cujos algoritmos terão que ser codificados em µl.
Pelo que entendi, tudo é exatamente assim
--------------------------------
essa tecnologia não é para humanos...
o principal em um modelo são os atributos, não o modelo em si...
Os profissionais já estabeleceram o processo de criação de atributos e processamento de dados, eles também sabem como conectar modelos ao mercado, eles simplesmente não precisam do ONNX.
E os iniciantes nem sequer conhecem o ONNX.
Para quem isso foi criado, eu não sei em meu coração...
Para um concurso? :)