EA: 使用ONNX模型识别手写数字的示例

Automated-Trading 2023.11.27 08:51

此EA不用于交易。使用标准Canvas库实现的简单面板允许您用鼠标绘制数字。经过测试的mnist.onnx模型用于识别数字。

使用ONNX模型识别手写数字的示例

作者： Slava

Vitaliy Kuznetsov 2023.11.15 19:04 #1

据我所知，在交易中，它将有助于以不同于 ZZ 模式的方式识别图表形态，甚至可能提高所发现形态的质量。

fxsaber 2023.11.15 19:43 #2

我饶有兴趣地看了 Canvas 实现，谢谢。这种用于图像识别的 ONNX 模型的计算复杂度等于训练的计算复杂度除以训练样本的数量，这种说法对吗？

Renat Akhtyamov 2023.11.15 20:19 #3

好吧。9 的辨识度较低

没关系，因为价格不会转来转去；)

它能识别线性数字，这非常好。

可能对模式分类有用

fxsaber 2023.11.15 23:13 #4

value 7 predicted with probability 0.9998406767845154

该模型的运行速度非常快，OnnxRun 的执行时间仅为 100 微秒。

Slava 2023.11.16 07:08 #5

fxsaber #:
这个用于图像识别的 ONNX 模型的计算复杂度等于训练的计算复杂度除以训练样本的数量，这是否正确？

还要除以约 2。在训练过程中，除了前向函数外，还调用了反向传播函数（back propagation）。

约除以 2，因为激活函数和激活函数的导函数会有不同的计算复杂度

fxsaber 2023.11.16 08:11 #6

Slava #:

还除以约 2。在学习过程中，除了前向函数外，还调用了反向传播函数。

约除以 2，因为激活函数和激活函数的导函数可能具有不同的计算复杂度

事实证明，即使在一个内核上，训练时间也不到 10 秒。这似乎真的很快。

我想知道模型中的权重是多少。它可能比移动最简单生物的神经网络还要原始得多。

Slava 2023.11.16 08:35 #7

fxsaber #:

结果发现，即使在单核上，训练也只持续了不到 10 秒钟。这是相当快的。

我想知道模型中有多少个权重。它可能比移动最简单生物的神经网络还要原始得多。

之所以快，是因为模型很原始。你还必须记住，训练不是一次性完成的。至少要经过 15 次训练，每次要洗 60,000 张图片。所以速度真的非常快。

层与层之间的权重数是层大小的乘积。有关 mnist.onnx 层的信息，请参见 netrona。