Especialistas: Exemplo de uso do modelo ONNX para reconhecer dígitos desenhados

[Automated-Trading]

Exemplo de uso do modelo ONNX para reconhecer dígitos desenhados:

Esse EA não negocia. Painel simples, implementado usando a biblioteca Canvas padrão, que permite desenhar números com o mouse. O reconhecimento de padrões é realizado usando o modelo treinado mnist.onnx.

Autor: Slava

[Vitaliy Kuznetsov]

Entendo que, na negociação, isso ajudará a identificar padrões gráficos de uma forma diferente dos padrões ZZ, o que pode até melhorar a qualidade dos padrões encontrados.

[fxsaber]

Observei a realização do Canvas com interesse, obrigado. É correto afirmar que a complexidade computacional desse modelo ONNX para reconhecimento de imagens é igual à complexidade computacional do treinamento dividida pelo número de amostras de treinamento?

[Renat Akhtyamov]

Bem. 9s são menos reconhecíveis

não importa, porque o preço não fica girando e girando ;)

Ele reconhece dígitos lineares e isso é muito bom.

pode ser útil para a classificação de padrões

[fxsaber]

value 7 predicted with probability 0.9998406767845154

O modelo é muito rápido - o OnnxRun é executado em 100 microssegundos.

[Slava]

fxsaber #:
É correto afirmar que a complexidade computacional desse modelo ONNX para reconhecimento de imagens é igual à complexidade computacional do treinamento dividida pelo número de amostras de treinamento?

Também dividida por cerca de 2. Durante o processo de treinamento, além da função forward, a função back propagation (retropropagação) é chamada.

Aproximadamente por 2, porque a função de ativação e a função derivada da função de ativação podem ter complexidade computacional diferente

[fxsaber]

Slava #:

Também dividido por aproximadamente 2. No processo de aprendizado, além da função de avanço, a função de retropropagação é chamada.

Aproximadamente por 2, porque a função de ativação e a função derivada da função de ativação podem ter complexidade computacional diferente

Verifica-se que, mesmo em um núcleo, o treinamento durou menos de 10 segundos. Isso parece muito rápido.

Gostaria de saber qual é o número de pesos no modelo. Provavelmente, ele é muito mais primitivo do que as redes neurais dos organismos mais simples.

[Slava]

fxsaber #:

Acontece que, mesmo em um único núcleo, o treinamento durou menos de 10 segundos. Isso é muito rápido.

Gostaria de saber quantos pesos existem no modelo. Provavelmente, ele é muito mais primitivo do que as redes neurais que movem os organismos mais simples.

É rápido porque o modelo é primitivo. Também é preciso ter em mente que o treinamento não é feito de uma só vez. Pelo menos 15 épocas, cada vez embaralhando 60.000 imagens. Portanto, é realmente muito rápido.

O número de pesos entre as camadas é o produto dos tamanhos das camadas. As informações sobre as camadas do mnist.onnx podem ser encontradas em netrona