使用ONNX模型识别手写数字的示例 - MetaTrader 5EA

可识别手写数字的EA交易

MNIST数据库由60,000张用于练习的图像和10,000张用于测试的图像组成。这些图像通过"重新组合"一组原始NIST 20x20像素黑白样本来创建，这组样本从美国人口普查局获得，并补充从美国高中生中获取的测试样本。样本被标准化为28x28像素大小，并进行抗混叠处理，从而引入灰度级别。

测试的手写数字识别模型mnist.onnx从Model Zoo(opset 8)的Github下载。有兴趣的用户可以下载并试用其他模型，但不包括使用opset 1的模型，因为最新的ONNX运行环境已不再支持opset 1。出人意料的是，输出向量并没有像分类模型中常见的那样使用Softmax激活函数进行处理。不过，这不是问题；我们自己可以轻松实现。

int PredictNumber(void)
  {
   static matrixf image(28,28);
   static vectorf result(10);

   PrepareMatrix(image);

   if(!OnnxRun(ExtModel,ONNX_DEFAULT,image,result))
     {
      Print("OnnxRun error ",GetLastError());
      return(-1);
     }

   result.Activation(result,AF_SOFTMAX);
   int predict=int(result.ArgMax());
   if(result[predict]<0.8)
      Print(result);
   Print("value ",predict," predicted with probability ",result[predict]);

   return(predict);
  }

 按住鼠标左键，用鼠标在特殊网格中绘制数字。要识别绘制的数字，请按"分类"按键。

如果获得识别数字的概率小于0.8，则将每类概率的结果向量记录到日志中。例如，尝试对空的未填充输入字段进行分类。

[0.095331445,0.10048489,0.10673151,0.10274081,0.087865397,0.11471312,0.094342403,0.094900772,0.10847695,0.09441267]
value 5 predicted with probability 0.11471312493085861