- ArrayBsearch
- ArrayCopy
- ArrayCompare
- ArrayFree
- ArrayGetAsSeries
- ArrayInitialize
- ArrayFill
- ArrayIsDynamic
- ArrayIsSeries
- ArrayMaximum
- ArrayMinimum
- ArrayPrint
- ArrayRange
- ArrayResize
- ArrayInsert
- ArrayRemove
- ArrayReverse
- ArraySetAsSeries
- ArraySize
- ArraySort
- ArraySwap
- ArrayToFP16
- ArrayToFP8
- ArrayFromFP16
- ArrayFromFP8
ArrayToFP16
float veya double türündeki bir diziyi istenilen formatta ushort türünde bir diziye kopyalar.
bool ArrayToFP16(
|
Double türü için aşırı yükleme
bool ArrayToFP16(
|
Parametreler
dst_array[]
[out] ushort türünde alıcı dizi.
src_array[]
[in] float veya double türünde kaynak dizi.
fmt
[in] ENUM_FLOAT16_FORMAT numaralandırmasından kopyalama formatı.
Geri dönüş değeri
Başarılı ise true, aksi takdirde false geri döndürür.
Not
FLOAT16 ve BFLOAT16 formatları ENUM_FLOAT16_FORMAT numaralandırmasında tanımlanır ve MQL5'te yalnızca ONNX modelleriyle çalışmalar için kullanılır.
Fonksiyon, float veya double türündeki girdi parametrelerini FLOAT16 ve BFLOAT16 türüne dönüştürür. Bu girdi parametreleri daha sonra OnnxRun fonksiyonunda kullanılır.
Half-precision float olarak da bilinen FLOAT16, ondalıklı sayıları temsil etmek için 16 bit kullanır. Bu format, doğruluk ve hesaplama verimliliği arasında bir denge sağlar. FLOAT16, büyük veri kümelerinin yüksek performansla işlenmesini gerektiren derin öğrenme algoritmalarında ve sinir ağlarında yaygın olarak kullanılmaktadır. Bu format, özellikle GPU'larda derin sinir ağlarını eğitirken önemli olan sayıların boyutunu azaltarak hesaplama işlemlerini hızlandırır.
BFLOAT16 (veya brain floating point 16) da 16 bit kullanır ancak format temsiline yaklaşım açısından FLOAT16'dan farklıdır. Bu formatta, 8 bit üssü temsil etmek için ayrılırken, kalan 7 bit mantisi temsil etmek için kullanılır. Bu format, özellikle Google'ın tensör işleme biriminde (Tensor Processing Unit, TPU) olmak üzere derin öğrenme ve yapay zekada kullanılmak üzere geliştirilmiştir. BFLOAT16, sinir ağı eğitiminde mükemmel performans gösterir ve hesaplamaları etkili bir şekilde hızlandırabilir.
Örnek: makaleden fonksiyon - ONNX modelleriyle float16 ve float8 formatlarında çalışma
//+------------------------------------------------------------------+
|
Ayrıca bakınız