文章 "神经网络变得轻松（第三十七部分）：分散关注度"
它似乎不适用于 Nvidia 显卡，因为我在使用不同的 RTX A 显卡时都遇到了同样的错误。
我遇到以下错误
2023.04.12 07:35:20.755 Core 01 2023.03.01 00:00:00 invalid pointer access in 'NeuroNet.mqh' (2913,18)
2023.04.12 07:35:20.755 Core 01 OnInit critical error
2023.04.12 07:35:20.755 Core 01 tester stopped because OnInit failed
英特尔 UHD 730
Metatrader build 3661
从错误日志中可以看出，该错误是由于 GPU 不支持 fp64 导致的
如果您使用的是 Nvidia GPU，这可能就是原因所在，但不幸的是，作者至今没有使用过 Nvidia GPU，因此无法解决这个错误，但在他的 GPU 上，代码似乎可以正常工作。
star-ik #:
我的理由是什么？
2023.04.13 11:46:35.381 Core 1 2023.01.02 12:00:00 执行内核错误 bool CNeuronMLMHAttentionOCL::SumAndNormilize(CBufferFloat*,CBufferFloat*,CBufferFloat*) MatrixSum: unknown OpenCL error 132640
尝试使用此库
附加的文件：
NeuroNet.mqh
844 kb
新文章 神经网络变得轻松（第三十七部分）：分散关注度已发布：
在上一篇文章中，我们讨论了在其架构中使用关注度机制的关系模型。 这些模型的具体特征之一是计算资源的密集功用。 在本文中，我们将研究于自我关注度模块内减少计算操作数量的机制之一。 这将提高模型的常规性能。
我们采用 2023 年 3 月的 EURUSD H1 历史数据训练模型，并测试 EA。 在学习过程中，EA 在测试期间展示出盈利。 然而，获得的利润是因为平均盈利交易的规模大于平均亏损交易的规模。 但输赢仓位的数量大致相同。 结果就是，盈利因子为 1.12，恢复因子为 1.01。
作者：Dmitriy Gizlyk