Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2948
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
İlk etapta ONNX ile ilgili tüm bu süslü şeylerin nedenini anlamıyorum.
MT5 ve MO'yu nasıl arkadaş yapacağımıza dair bariz bir temel senaryo var:
1. OnInit()'ten python betiği ayrı bir işlem olarak başlatılır.
2. EA'nın bilgilerin gelmesini bekleyebileceği modda python ve EA arasında birkaç bilgi alışverişi işlevine ihtiyacımız var.
3. Bir Modeller klasörü oluşturuyoruz ve içine TensorFlow modellerini atıyoruz.
İŞTE BU!!! MT ve MO entegrasyonu gerçekleşti! Herkes mutlu.
Daha basit olabilir... Redis'i bağlayın, PyTorch, ONNX, TensorFlow desteği ile RedisAI edinin ve istenirse yükü düğümler ve bulutlar arasında dağıtın.
Bir koltuk değneği daha azalacak, kullanılan model yelpazesi büyük ölçüde genişleyecek (daha önce, çoğunlukla herkes terminal girdileri aracılığıyla ağırlıkları optimize ediyordu). Görünüşe göre, mac üzerinde de çalışmalı, yakında kontrol edeceğim :) bazen hiçbir şey yapmamak ve yemeğin kendi kendine ağzınıza uçmasını beklemek güzeldir
Eh, python seviyesini yükseltmek için bu davaya dahil oldum - artık onsuz yapamıyorum) LightGBM ile başlamayı düşünüyorum. Bunun için ONNX almanın iki yolu var gibi görünüyor - onnxmltools ve skl2onnx.
Hızın önemi hakkındaki bu efsaneyi her zaman duyuyorum, ancak bunun nerede önemli olduğunu anlayamıyorum.
Spread ve borsa / broker komisyonlarını hesaba katarak, onlarca dakika veya saatle ölçülen bir süre için tahmin yapmanız gerekir. Aradaki 50 milisaniyelik farkın bununla ne ilgisi var?
Gerçek hayatta MQ'yu fxsaber'e göre 5 milisaniye geçmenin size tam olarak nasıl bir faydası var?
Siz bilirsiniz, ama ben küçük bir hız artışını bile önemsemezdim. Hem test / optimizasyonda hem de ticarette.
Onnx modellerinin yerel olarak yürütülmesinin, üçüncü taraf entegrasyonlarla neredeyse imkansız olan sistem ek yükü olmadan bunları test cihazında ve claudnet 'te çalıştırmayı kolay ve çok hızlı hale getirdiğini unutmayın.
.
Dolayısıyla eğitim yalnızca geliştiricinin makinesindeki test cihazında yapılabilir.
Ve bitmiş modeli buluta yüklemek mantıklı değildir.
Daha basit olabilir... Redis'i bağlayın, PyTorch, ONNX, TensorFlow desteği ile RedisAI edinin ve istenirse yükü düğümler ve bulutlar arasında dağıtın.
Uçağımızda bir yüzme havuzu, bir dans pisti, bir restoran, rahat dinlenme alanları, bir kış bahçesi var... Sayın yolcularımız, kemerlerinizi bağlayın, şimdi tüm bu saçmalıklarla havalanmaya çalışacağız.
Korkarım ki bulutta optimizasyon işe yaramayacaktır. Optimizasyonun amacı TS'nin parametrelerini değiştirmektir. Örneğin, TP/SL seçimi. Bunlar değiştirildiğinde, eğitim verileri de değişir. Yani, modeli her bir parametre varyantıyla eğitmek gerekir ve bu amaçla MO yazılımı (Catbust, sinir ağı, vb.) kurulmalıdır. Bulutta birisinin doğru sürümde gerekli yazılıma sahip olması pek olası değildir.
.
Dolayısıyla eğitim yalnızca geliştiricinin makinesindeki test cihazında yapılabilir.
Ve bitmiş modeli buluta yüklemek mantıklı değildir.
Adil olmak gerekirse, bir model mutlaka tamamlanmış bir TS değildir. Örneğin, model bir fiyat artışı öngörür ve EA parametrelerinde, EA'nın işlem yapmaya çalıştığı öngörülen artış için bir eşik değeri belirlenir.
Uçağımızda bir yüzme havuzu, bir dans pisti, bir restoran, rahat salon alanları, bir kış bahçesi var... Sayın yolcularımız, kemerlerinizi bağlayın, şimdi tüm bu saçmalıklarla havalanmaya çalışacağız.
IMHO bu sadece MQL'in mevcut gelişimi ile ilgili. Entegrasyonlar yerine her şeyi bir kerede tıkıştırma girişimi.
IMHO bu sadece MQL'in mevcut gelişimi ile ilgili. Entegrasyonlar yerine her şeyi bir kerede tıkıştırma girişimi
+
IMHO bu sadece MQL'in mevcut gelişimi ile ilgili. Entegrasyonlar yerine her şeyi bir kerede tıkıştırma girişimi
Entegrasyon yolları her zaman açık olmuştur:
Ancak eksiksiz uygulamalar yazmayı mümkün kılan ana dil entegrasyonlarıdır.
Makine öğrenimi söz konusu olduğunda, makine öğrenimi için bir temel olarak vektörler, matrisler ve bunlarla ilgili işlemler üzerinde çalıştık ve uyguladık:
Eksiksiz ve hızlı çözümler üretmeyi başarıyoruz.
"Tıkıştırmaya çalışmak" ile ilgili sözler, rasyonel bir gerekçe olmaksızın yalnızca olumsuz bir tutuma işaret etmektedir. Özellikle de olasılıkların mevcudiyeti yazarı hiçbir şekilde sınırlamadığı için.