최종 훈련된 그리드만 onnx 파일에 넣을 수 있습니다. (이론적으로) 초기 가격부터 그리드에 대한 기능의 전처리를 넣는 것도 가능합니다. 이를 모두 합쳐 파이프라인이라고 하며 문제는 모든 파이프라인을 하나의 ONNX 파일에 얼마나 유연하게 넣을 수 있는가 하는 것입니다.
파이썬에 능숙해야 하고 이 주제에 대한 매뉴얼이 거의 없으며 AI는 평소와 같이 거짓말을하기 때문에 아무도이 주제에 뛰어 들고 싶어하지 않습니다.)
The numpy API is meant to simplofy the creation of ONNX graphs by using functions very similar to what numpy implements. This page only makes a list of the available functions. A tutorial is available at . This API was first added to mlprodict in version 0.6. Introduction# Converting custom code into ONNX is not necessarily easy. One big...
Aleksey Nikolayev 제품 설명에 다음과 같은 문구를 추가하면 매출이 눈에 띄게 증가하는 것으로 나타났습니다.
기계 학습
신경망
인공 지능
GPT 및 AI
이제 사회에는 과학계에서 무언가의 인기라는 흥미로운 현상이 있습니다. 따라서 행동이 바뀌 었습니다. 이전에는 과학적 설명이 일반 사람들을 거부했다면 이제는 반대로 그들을 끌어들입니다. 결과적으로 더 많은 판매를 위해서는 "푸리에 변환 및 라플라스 변환"과 같은 과학에 가까운 다른 용어를 언급하는 것이 합리적입니다. 물론 해당 주제에 대한 아름다운 사진/애니메이션도 포함되어야 합니다.
텍스트와 그림은 이미 충분합니다.
세계 최초의 인공 지능 간 트레이딩 세계 선수권 대회.
차트와 당황한 증권 거래소 직원들의 배경에 평온한 사이보그가 등장합니다.
위기? - 인공지능은 미래입니다.
머신러닝에 능통한 전문가인가요? - 역량을 증명/테스트하세요. 세계적 수준의 상으로 이력서를 장식하세요.
기타 등등.
시청자는 분명히 부족하지 않을 것입니다. 전문가를 끌어들이는 것은 의심스럽지만 실제로 일어납니다. 전문가들은 아마도 저에게 TC가 없다고 말할 것입니다. MoD에 새로 온 사람들을 격려하십시오 - 말하기는 어렵습니다. 확실히 효과가 있는 것은 AI를 통한 EA 마켓의 판매 수입니다. 마켓 매출이 늘어나면 1년 안에 대회 개최 비용을 충당할 수 있을 것 같습니다. 챔피언십을 조직하고 운영하는 데 필요한 예산은 최소 25만 달러입니다. 상금은 예산의 일부에 불과합니다.
동일한 R에서 모델을 저장하고 몇 줄의 onnx에서 파이썬을 통해 할 수 있습니다
.
이것은 포리스트와 같은 모델이 아닌 신경망 모델만을 의미하는 경우입니다.
hgbust도 가능하겠지만요.
---------------------------------
그리고 그것은 어떤 모델도 변환 할 수 없으며 모델 자체가이 형식을 지원해야한다고 말합니다.
--------------------------------
결론은 ONNH는 파이썬이며 탈출구가 없다는 것입니다.
뉴로).
최종 훈련된 그리드만 onnx 파일에 넣을 수 있습니다. (이론적으로) 초기 가격부터 그리드에 대한 기능의 전처리를 넣는 것도 가능합니다. 이를 모두 합쳐 파이프라인이라고 하며 문제는 모든 파이프라인을 하나의 ONNX 파일에 얼마나 유연하게 넣을 수 있는가 하는 것입니다.
파이썬에 능숙해야 하고 이 주제에 대한 매뉴얼이 거의 없으며 AI는 평소와 같이 거짓말을하기 때문에 아무도이 주제에 뛰어 들고 싶어하지 않습니다.)
최종 훈련된 그리드만 onnx 파일에 넣을 수 있습니다. (이론적으로) 초기 가격부터 그리드에 대한 전처리를 넣는 것도 가능합니다. 이를 모두 합쳐 파이프라인이라고 하며 문제는 모든 파이프라인을 하나의 ONNX 파일에 얼마나 유연하게 넣을 수 있는지에 있습니다.
파이썬에 능숙해야 하고 이 주제에 대한 매뉴얼이 거의 없으며 AI는 평소와 같이 거짓말을하기 때문에 아무도이 주제에 뛰어 들고 싶어하지 않습니다.)
전처리는 대략 정규화라고 할 수 있으므로 기능의 수는 변경되지 않습니다....
내부에 새로운 속성을 생성 할 수 있는지 궁금하고, 모델은 ohlc에서 배열을 받아들이고, ohlc 형식 내부에 새로운 속성이 이미 생성되어 있으며, 내부에 여전히 본격적인 사용자 정의 코드가 있습니다.....
나는 아직도 그것이 적은 피로도 할 수 있는지 아닌지 이해하지 못합니다 ...
전처리는 대략적인 정규화이므로 기능의 수는 변하지 않습니다.
내부에 새로운 속성을 생성 할 수 있는지 궁금합니다. 모델은 ohlc에서 배열을 받아들이고 ohlc 형식 내부에 새로운 속성이 이미 생성되어 있으며 내부에 여전히 본격적인 사용자 정의 코드가 있습니다.
나는 아직도 그것이 적은 피로도 할 수 있는지 아닌지 이해하지 못합니다 ...
파이썬 초보자에게는 물론이고 파이썬 전문가에게도 가능성의 한계에 대한 질문입니다. 지금까지 매뉴얼이 거의 없고 간단한 예제만 포함되어 있습니다.
어쨌든, 다음을 기준으로 판단하면
http://w ww.xavierdupre.fr/app/mlprodict/helpsphinx/tutorial/onnx_numpy.html
와
http://www.xavierdupre.fr/app/mlprodict/helpsphinx/api/npy.html#l-numpy-onnxpy
간단한 정규화를 통해 모델과 pip를 전송해야 한다면 onnx가 좋지만...
하지만 사용자 정의 된 작업을 수행해야하는 경우 AD이거나 전혀 불가능합니다 ...
이게 어떤 트레이더를 대상으로 하는 건지 모르겠네요...
5 명이 콘테스트에 참여할 것 같습니다. 그 중 4 명은 메타 쿼트 메타 트레이더에 onnx를 통합하는 작업을 한 메타 쿼트 직원입니다.
어쨌든
http://w ww.xavierdupre.fr/app/mlprodict/helpsphinx/tutorial/onnx_numpy.html
그리고
http://www.xavierdupre.fr/app/mlprodict/helpsphinx/api/npy.html#l-numpy-onnxpy
간단한 정규화로 모델과 핍만 전송해야 한다면 ONNX를 사용하는 것이 좋습니다.
하지만 커스텀을 만들어야 한다면 AD를 사용하거나 아예 불가능합니다....
어떤 종류의 트레이더를 위해 설계되었는지 모르겠습니다...
5 명이 콘테스트에 참여할 것 같고 그중 4 명은 메타 트레이더에 통합하는 작업을 한 메타 쿼트 직원입니다.
나는 R이 포함 된 실제 EA를 가지고 있으며 첫 번째 버전은 테스터에 도달했습니다.
구조는 다음과 같습니다:
1. µl에는 일반적인 기능 세트가있는 일반 전문가 고문이 있습니다 : 주문, 중지, MM 작업...... 메타 따옴표의 예에서 신호 생성 블록 (두 매쉬의 교차점)은 다음 OHLC를 보내는 R에 대한 호소로 대체됩니다.
2. R의 코드는 대략 두 부분으로 구성됩니다:
2.1. OHLC를 모델에 대한 여러 예측자로 변환합니다. R의 일부 패키지(모델이 아닌)에 액세스할 수 있는 수백(또는 수천) 개의 연산자가 있습니다.
2.2. 모델에 의한 실제 신호 계산.
3. 거래 신호가 전문가 고문에게 다시 전송됩니다: -1; 0; 1.
주제로 돌아가서, ONNX p.2.2를 사용하는 것이 ONNX가 될 것이고, EA에서 p.2.1을 이동해야한다는 것이 밝혀졌습니다. 모델 자체 외에도 R의 다른 패키지가 사용되며 알고리즘을 µl로 코딩해야하기 때문에 이것은 저에게 심각한 사업입니다.
이제 사회에는 과학계에서 무언가의 인기라는 흥미로운 현상이 있습니다. 따라서 행동이 바뀌 었습니다. 이전에는 과학적 설명이 일반 사람들을 거부했다면 이제는 반대로 그들을 끌어들입니다. 결과적으로 더 많은 판매를 위해서는 "푸리에 변환 및 라플라스 변환"과 같은 과학에 가까운 다른 용어를 언급하는 것이 합리적입니다. 물론 해당 주제에 대한 아름다운 사진/애니메이션도 포함되어야 합니다.
텍스트와 그림은 이미 충분합니다.
다시 주제로 돌아가서 ONNX를 사용하려면 2.2.2는 ONNX에 있고 2.1은 EA로 이동해야합니까? 모델 자체 외에도 R의 다른 패키지가 사용되며 알고리즘을 µl로 코딩해야하기 때문에 이것은 저에게 심각한 작업입니다.
제가 알기로는 모든 것이 다음과 같습니다.
--------------------------------
이 기술은 인간을위한 것이 아닙니다 ...
모델에서 가장 중요한 것은 모델 자체가 아니라 속성입니다...
전문가들은 이미 속성 생성 및 데이터 처리 프로세스를 확립했으며 모델을 시장에 연결하는 방법도 알고 있으며 ONNX가 필요하지 않습니다.
그리고 초보자는 ONNX도 모릅니다.
누구를 위해 만들어 졌는지 마음 속으로 모르겠습니다 ...
콘테스트를 위해? :)