"MQL5'te ONNX modellerinin nasıl bir araya getirileceğine dair bir örnek" makalesi için tartışma

Yeni yorum
 

Yeni makaleye göz atın: MQL5'te ONNX modellerinin nasıl bir araya getirileceğine dair bir örnek.

Açık sinir ağı santrali (Open Neural Network eXchange, ONNX), sinir ağlarını temsil etmek için oluşturulmuş açık bir formattır. Bu makalede, bir Uzman Danışmanda aynı anda iki ONNX modelinin nasıl kullanılacağını göstereceğiz.

İstikrarlı ticaret için, genellikle hem ticareti yapılan enstrümanların hem de ticaret stratejilerinin çeşitlendirilmesi önerilir. Aynı durum makine öğrenimi modelleri için de geçerlidir: karmaşık bir model yerine daha basit birkaç model oluşturmak daha kolaydır. Ancak bu modelleri tek bir ONNX modelinde bir araya getirmek zor olabilir.

Bununla birlikte, birkaç eğitilmiş ONNX modelini tek bir MQL5 programında birleştirmek mümkündür. Bu makalede, oylama sınıflandırıcısı olarak adlandırılan topluluklardan birini ele alacağız. Size böyle bir topluluğu uygulamanın ne kadar kolay olduğunu göstereceğiz.

"Yalnızca ilk modeli kullan" parametresini etkinleştirelim:

Yalnızca ilk modeli kullanmak için Uzman Danışman ayarları

İlk model test sonuçları

İlk model test sonuçları


Şimdi ikinci modeli test edelim. İşte ikinci model test sonuçları.

İkinci model test sonuçları

İkinci modelin ilkinden çok daha güçlü olduğu ortaya çıktı. Sonuçlar, zayıf modellerin bir araya getirilmesi gerektiği teorisini doğrulamaktadır. Ancak, bu makale topluluk oluşturma teorisi ile değil, pratik uygulama ile ilgiliydi.

Yazar: MetaQuotes

 
Для обучения используются серии из 63 цен Close

Gizemli sayı 63 :)

 
Ivan Butko #:

Gizemli sayı 63 :)

Bu sayı gizemli sayılarla ilgili başka bir makaleden alınmıştır. Bağlantıyı bulamıyorum.

 

Aynı tarihi ve aynı ayarları yaptım ama sonuçlar farklı çıktı, nedenini bilen var mı?

İlk model test sonuçları


İlk model test sonuçları


 i̇ki̇nci̇ model test sonuçlari


i̇ki̇nci̇ model test sonuçlari
 
mysticsoul #: Aynı tarihi ve aynı ayarları yaptım ama sonuçlar farklı çıktı, nedenini bilen var mı?

Bunun nedeni ticaret sunucunuzun MetaQuotes-Demo olmaması olabilir

 
mysticsoul #:

Aynı tarihi ve aynı ayarları yaptım ama sonuçlar farklı çıktı, nedenini bilen var mı?

İlk model test sonuçları

i̇ki̇nci̇ model test sonuçlari
Bunun nedeni modellerin ağırlık başlangıçlarındaki farklılık olabilir. Ne yazık ki, sonuçlarını tekrarlanabilir kılmak için "her şeyi tohumlama" tekniğini kullanmıyorlar.
 

Öncelikle, bunu bir araya getirdiğiniz için çok teşekkür ederim, farklı yönlere bakmak güzel. Takip etmesi kolay ve iyi bir şekilde bir araya getirilmiş.

Benim için demo hesabı ile benzer başarı oranları ve biraz daha düşük işlem sayısı elde ediyorum, ancak meta trader demo hesabını kullandığımda. Ticaret hesabımla sadece bir kez işlem yapıyor. Komisyoncumun Avustralya'da (GMT + 10) olduğu komisyoncu için zaman dilimi olduğunu varsayıyorum. Demo hesabından ilk işlem; Çekirdek 1 2023.01.02 07:02:00 anlaşma # 2 1.07016'da 1 EURUSD satıldı(sipariş # 2'ye göre)

My Broker Australia ' dan(GMT+10) gelenilk işlem; Core 1 2023.01.03 00:00:00 failed market sell 1 EURUSD [Market closed] ve bunun nasıl çözüleceğinden tam olarak emin değilim. Muhtemelen tüm model zaman dilimine bağlıdır. Eğer durum buysa, zamanların tam saat cinsinden olması gerekir. Ancak 2023.01.02 07:02:00 başlangıç işlemi nasıl 2023.01.03 00:00:00 olur?

Bunun nedeni hakkında herhangi bir öneride bulunursanız memnun olurum.



 
Slava #:
ti̇caret hi̇zmeti̇

Burada da aynı şekilde, MetaQuates-Demo hesabımdaki orijinal onnx dosyalarıyla çok benzer sonuçları yeniden üretmeyi başardım.

Ardından, Python ML'lerini tamamlamak için yeniden eğitmeyi başardım; ancak göz ardı edilebilecek aşağıdaki uyarılar / hatalarla:

D:\MT5 Demo1\MQL5\Experts\article_12433\Python>python ONNX.eurusd.D1.10.Training.py
2023-11-19 18:07:38.169418: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found
2023-11-19 18:07:38.169664: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.
data path to save onnx model
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 5187/5187 [00:00<00:00, 6068.93it/s]
2023-11-19 18:07:40.434910: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'nvcuda.dll'; dlerror: nvcuda.dll not found
2023-11-19 18:07:40.435070: W tensorflow/stream_executor/cuda/cuda_driver.cc:263] failed call to cuInit: UNKNOWN ERROR (303)
2023-11-19 18:07:40.437138: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:169] retrieving CUDA diagnostic information for host: WIN-SSPXX7BO0B0
2023-11-19 18:07:40.437323: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:176] hostname: WIN-SSPXX7BO0B0
2023-11-19 18:07:40.437676: I tensorflow/core/platform/cpu_feature_guard.cc:193] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations:  AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
Epoch 1/50
111/111 - 1s - loss: 1.6160 - mae: 0.9378 - val_loss: 2.7602 - val_mae: 1.3423 - lr: 0.0010 - 1s/epoch - 12ms/step
Epoch 2/50
111/111 - 0s - loss: 1.4932 - mae: 0.8952 - val_loss: 2.4339 - val_mae: 1.2412 - lr: 0.0010 - 287ms/epoch - 3ms/step
...

her iki ML komut dosyası ile biter:

111/111 - 0 s - loss: 1.2812 - mae: 0.8145 - val_loss: 1.2598 - val_mae: 0.8142 - lr: 1.0000 e-06 - 366 ms/epoch - 3 ms/step
Epoch 50/50
111/111 - 0 s - loss: 1.3030 - mae: 0.8203 - val_loss: 1.2604 - val_mae: 0.8143 - lr: 1.0000 e-06 - 365 ms/epoch - 3 ms/step
33/33 [==============================] - 0 s 1 ms/step - loss: 1.1542 - mae: 0.7584
test_loss=1.154
test_mae=0.758
2023-11-19 18:07:57.480814: I tensorflow/core/grappler/devices.cc:66] Number of eligible GPUs (core count >= 8, compute capability >= 0.0): 0
2023-11-19 18:07:57.481315: I tensorflow/core/grappler/clusters/single_machine.cc:358] Starting new session
2023-11-19 18:07:57.560110: I tensorflow/core/grappler/devices.cc:66] Number of eligible GPUs (core count >= 8, compute capability >= 0.0): 0
2023-11-19 18:07:57.560380: I tensorflow/core/grappler/clusters/single_machine.cc:358] Starting new session
2023-11-19 18:07:57.611678: I tensorflow/compiler/mlir/mlir_graph_optimization_pass.cc:354] MLIR V1 optimization pass is not enabled
saved model to model.eurusd.D1.10.onnx
24/24 - 0 s - loss: 0.6618 - accuracy: 0.6736 - val_loss: 0.8993 - val_accuracy: 0.4759 - lr: 4.1746 e-05 - 37 ms/epoch - 2 ms/step
Epoch 300/300
24/24 - 0 s - loss: 0.6531 - accuracy: 0.6770 - val_loss: 0.8997 - val_accuracy: 0.4789 - lr: 4.1746 e-05 - 39 ms/epoch - 2 ms/step
11/11 [==============================] - 0 s 682 us/step - loss: 0.8997 - accuracy: 0.4789
test_loss=0.900
test_accuracy=0.479
2023-11-19 18:07:19.838160: I tensorflow/core/grappler/devices.cc:66] Number of eligible GPUs (core count >= 8, compute capability >= 0.0): 0
2023-11-19 18:07:19.838516: I tensorflow/core/grappler/clusters/single_machine.cc:358] Starting new session
2023-11-19 18:07:19.872285: I tensorflow/core/grappler/devices.cc:66] Number of eligible GPUs (core count >= 8, compute capability >= 0.0): 0
2023-11-19 18:07:19.872584: I tensorflow/core/grappler/clusters/single_machine.cc:358] Starting new session
saved model to model.eurusd.D1.63.onnx

Daha sonra, eğittiğim yeni ML'leri kullanmak için orijinal ONNX.Price.Prediction.2M.D1.mq5 'i yeniden derliyorum.

Aynı MetaQuates-Demo hesabıyla yapılan geri test sonuçları orijinalinden çok farklıydı; ki bu iyi görünmüyor.

Neyin yanlış gittiğini bilmekten gerçekten memnun olurum?
Çok teşekkürler.

Yeni yorum