EA: 来自"MQL5算法交易的神经网络"教程的示例 - 页 3

新评论
 

我要从哪个脚本生成这个 study_data_not_norm.csv？ 我试过创建初始数据脚本，但不起作用。在运行 gpt_test_not_norm.mq5 脚本时，我发现范围出界了。



 

亲爱的行政人员

非常感谢能有机会在这样一个独特的领域学习！

我想回到之前关于错误 5008 的帖子。


我也无法为训练好的模型 gpt_not_norm.net 加载策略测试器 ， 错误 5008，模型文件未加载。

同时，在图表上运行时，机器人表现正常，模型文件在直接传递后拾取了足够的值，我将它们显示在图表上，一切正常。

模型文件应该位于True flag forCommon \Terminal\Common\Files 下的目录中。

此外，当我在另一台笔记本电脑上运行同样的程序时，策略测试器启动时也没有出错。

会不会是某些系统设置导致策略测试器无法工作？

1.策略测试仪无法在以下电脑上运行

英特尔酷睿 i5-9400F 2.90GHz 处理器 ，16295 MB

Windows 10 家庭版。

2.战略测试仪可在配备以下配置的笔记本电脑上运行

英特尔酷睿 i7-2760QM 2 .40GHz 处理器、12238 MB

Windows 10专业版。

请帮我解决这个问题。

我真的需要搞一台电脑，它有显卡，速度肯定更快。

 
Vrajeshbhai 测试仪停止时 显示 "Tester stopped because OnInit returns non-zero code 1"（测试仪停止，因为 OnInit 返回非零代码 1），请更新它，以便每个人都能进行测试并了解具体在做什么。
我们遇到了同样的问题
 
Luiz Godoy #:
在运行 gpt_test_not_norm.mq5 脚本时，我发现退出超出范围。

在程序的第 40 行

if(!loss_history.Resize(0,Epochs))

改为

if(!loss_history.Resize(Epochs))

 

你好。写了很多东西，最后成了一本书。我开始读它，我想我应该为市场写点什么。

这是一部好作品。因为没有什么其他东西能如此通用地解释如何使用 mql5 工具进行机器学习。

不过。

样本分为 3 部分--60% 的训练、20% 的验证和 20% 的测试。在每个条形链的 40 个条形中，有 35 个条形是重复的。寓意--使用相同的数据进行训练和验证。我画了一张图。这不仅是这本书的问题，我也反复遇到过。

起初，我认为之字形指标正是用来突出非重复运动的。比如顶部到低谷、低谷到低谷、低谷到顶部。这些都是书中所说的独特形态。但作者并没有这样做，而是逐条构建形态，这当然是一个严重的错误。你不需要用 "之 "字形来做这个。你只需向前看 10 个条形图，就能计算出市场的走向。

这是第一点--实用性。第二点是技术性的--也是错误的。作者只在 Tensorflow 中提供验证培训？这很酷，Tensorflow 是谷歌开发的机器学习库。但这项工作的目的是展示如何用 mql5 工具来做，对吗？

在 mql5 中没有验证学习的例子。我还没找到带验证的例子。如果你需要，我稍后会写下来。当然，你应该尝试自己做。当然应该。准备历史数据和选择训练参数的工作量很大。Tensorflow 似乎无所不能，但要做的事情太多了。事实证明，技术部分尚未完成。

难道这就是没有 5%就失去价值的 95%？

我就不说它是个好作品了。因为没有其他作品能与之媲美。


 
不管我试了多少次，如果日期之间相隔超过 1 年，就无法按日期选择历史记录。有时可以选择 2 年。但如果图表是空的，而你加载到一个空图表中，则只能显示 1 年。要可靠地收集任何时期的数据，需要在策略测试器中 进行从一个日期到下一个日期的 "空闲 "测试。

亚当的优化方法不是根据学习率调整学习率吗？它还使用了 "上限"，而不是恒定值。

如果是递归网络，为什么要添加隐藏的全链路层？全链路主题破坏了 lstm 主题。当然，在网络的末端，你需要 1 个全链路神经元来激活。

Dropout 是任何神经网络的层属性。例如，在 lstm 中，Dropout 属性是必须的，否则它就会被多个历元的数据所利用。我知道在 pytorch 中，Dropout 属性只能用于两个相同层之间的转换，因此你需要 2 个递归层。而在 tensorflow 中，任何层都可以有 dropout 属性。与 pytorch 相比，tensorflow 的优势显而易见。

反向传播中的批处理。为什么作者的批处理是任意数呢？原来，在每个历元，他都会随机选择一定量的数据进行训练。批量是一个数量！例如，取样 1000 个项目，就是 10 个数据包，每个数据包有 100 个值。每个纪元都是不同的数据包，但总是有 100 个值。我以逐个数据包的方式进行训练，并在每个数据包结束时调整权重。这样可以确保我不会陷入局部最小值。此外，我还会使用所有的样本数据，而不仅仅是部分数据。
 

交易优化尚未生效。对话窗口中弹出一个奇怪的错误。计算机关机一次。也就是说，如果您训练网络，然后尝试用它来优化交易。

在我看来，使用图形激励器进行外汇交易是错误的。不管怎么看，数据都不多。在我看来，更正确的做法是在优化器中使用 metatrader 代理，为不同的网络运行不同的训练流。例如，在 tensorflow 中，我正在训练 7 个数据流。一个流用完后，再添加另一个流。依次类推，共有 100 个变体。然后，我在历史记录上运行它们。

这里的重点是，神经网络可能很好。但并不是每个神经网络都能通过其训练历史。这就是为什么你需要大量的变体网络。

 

ChatGPT 建议，对这两种情况进行分类的最佳方法是使用西格码。而这正是我找不到的。而且激活函数也不同。但损失函数是一样的--MSE？

切线仍然是回归，而不是分类。-1到1不是概率，而是数值计算。

简而言之，就是这样。没别的了。所以，这个方法当然不错。我会用的。

 
在下载了 neurobook 和源代码之后，我想知道是否存在一个完全用 Python 编写的版本？所提供的版本会带来问题，尤其是在机器上无法执行 openCl 的情况下。我目前正在尝试转换，但这有点困难！在此，我想对已经开展过此类项目的人或知道在哪里可以找到 Python 版本源代码的人表示衷心的感谢。
 
Joseph Bervell 停止，因为 OnInit 返回非零代码 1

LG 2 10:07:44.216 核心 1 断开连接

KP 0 10:07:44.216 核心 1 连接已关闭

您找到解决方案了吗？如果找到了，我将把 它 公布出来。

IMO 中没有"our_model.net"文件。

1234
新评论