Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3235

 
Jetzt werden die Basic-Fans auf die Straße gehen und Plakate mit der Aufschrift "Basicisten sind auch wichtig" schwenken.
und die eRastas winken bereits.....
 

Es steht schon seit Ewigkeiten auf der Website, warum machen Sie sich die Mühe?

Dasvirtuelle Treffen der ONNX-Gemeinschaft begann mit der Einführung - Automatisierte Handelssysteme - MQL5

// Liest du nichts anderes als diesen Thread? ;)
Изучаем ONNX для применения в трейдинге - Виртуальная встреча сообщества ONNX началась с введения.
Изучаем ONNX для применения в трейдинге - Виртуальная встреча сообщества ONNX началась с введения.
  • 2023.04.19
  • www.mql5.com
презентации сообщества и обсуждения дорожной карты Руководящим комитетом ONNX. Спикер также рассказывает об управлении сообществом и новых членах руководящего комитета и приглашает принять участие в обсуждениях дорожной карты. 00 00 В этом разделе спикер обсуждает обсуждения дорожной карты Руководящим комитетом ONNX, которые проходили летом
 
Aleksey Nikolayev #:
Google onnx.

Danke!

Habe ich das richtig verstanden, dass eine Reihe von Standardfunktionen unterstützt werden, aber keine selbst geschriebenen Funktionen?

 
Aleksey Vyazmikin #:

Ich danke Ihnen.

Habe ich das richtig verstanden, dass eine Reihe von Standardfunktionen unterstützt werden, aber keine selbst geschriebenen Funktionen?

Google (oder CHATGPTit) onnx von Grund auf. Ich bin ein schlechter Ersatz für AI.
 
Aleksey Nikolayev #:
Google (oder CHATGRTit) onnx von Grund auf neu. Ich bin ein schlechter KI-Ersatz.

ChatGPT:

"
ONNX (Open Neural Network Exchange) ist ein Austauschformat für Deep-Learning-Modelle, das zum Speichern und Übertragen von Modellen zwischen verschiedenen Deep-Learning-Frameworks und -Tools entwickelt wurde. Die Hauptidee hinter ONNX ist es, ein gemeinsames Format für die Darstellung von Modellen bereitzustellen, unabhängig davon, wie sie erstellt wurden.

ONNX ist nicht dazu gedacht, beliebige benutzerdefinierte Funktionen oder Code zu speichern. Es wurde entwickelt, um Modelle zu repräsentieren, die als Berechnungsgraphen ausgedrückt werden können, der aus Schichten und Operationen besteht, die von standardmäßigen Deep Learning-Operationen wie Faltungen, Pooling, Aktivierungen usw. unterstützt werden.

Wenn Sie eine benutzerdefinierte Funktion haben, die Sie in ein Deep-Learning-Modell integrieren und im ONNX-Format speichern möchten, müssen Sie die Funktion möglicherweise unter Verwendung von ONNX-unterstützten Operationen und Schichten implementieren oder sie als Berechnungsgraphen umschreiben. Benutzer-Code oder Funktionen, die in einer Programmiersprache geschrieben wurden, sollten als Teil dieses Graphen unter Verwendung von Standardoperationen dargestellt werden.

"

 
Aleksey Vyazmikin #:

ChatGPT:

"
ONNX (Open Neural Network Exchange) ist ein Format für den Austausch von Deep-Learning-Modellen, das für die Speicherung und den Transfer von Modellen zwischen verschiedenen Deep-Learning-Frameworks und -Tools entwickelt wurde. Die Hauptidee hinter ONNX ist es, ein gemeinsames Format für die Darstellung von Modellen bereitzustellen, unabhängig davon, wie sie erstellt wurden.

ONNX ist nicht dazu gedacht, beliebige benutzerdefinierte Funktionen oder Code zu speichern. Es wurde entwickelt, um Modelle zu repräsentieren, die als Berechnungsgraphen ausgedrückt werden können, der aus Schichten und Operationen besteht, die von Standard-Deep-Learning-Operationen wie Faltungen, Pooling, Aktivierungen usw. unterstützt werden.

Wenn Sie eine benutzerdefinierte Funktion haben, die Sie in ein Deep-Learning-Modell integrieren und im ONNX-Format speichern möchten, müssen Sie die Funktion möglicherweise unter Verwendung von ONNX-unterstützten Operationen und Schichten implementieren oder sie als Berechnungsgraphen umschreiben. Benutzer-Code oder Funktionen, die in einer Programmiersprache geschrieben wurden, sollten als Teil dieses Graphen mit Standardoperationen dargestellt werden.

"

Um einen exponentiellen gleitenden Durchschnitt (EMA) in das ONNX-Format zu konvertieren, können Sie die ONNX Python API verwenden

. Zunächst müssen Sie ein ONNX-Modell mithilfe der ONNX-API erstellen. Dann können Sie die EMA-Berechnung zum Modell hinzufügen. Eine Möglichkeit, den EMA in Python zu berechnen, ist die Verwendung der Pandas-Bibliothek
1
2 .
Sobald Sie die EMA-Berechnung in Python implementiert haben, können Sie die ONNX-API verwenden, um den Python-Code in ein ONNX-Modell zu konvertieren. Hier ist ein Beispiel für einen Python-Code zur Berechnung des EMA mit Pandas:

****************************

Dies ist der Anfang der Antwort von AI auf Ihre Frage zum EMA. Ich möchte Sie noch einmal dringend bitten, von der Herstellung menschlicher Gehirne auf KI umzusteigen.

 
Aleksey Nikolayev #:

Um einen exponentiellen gleitenden Durchschnitt (EMA) in das ONNX-Format zu konvertieren, können Sie die ONNX Python API verwenden

. Zunächst müssen Sie ein ONNX-Modell mithilfe der ONNX-API erstellen. Dann können Sie die EMA-Berechnung zum Modell hinzufügen. Eine Möglichkeit, den EMA in Python zu berechnen, ist die Verwendung der Pandas-Bibliothek
1
2 .
Sobald Sie die EMA-Berechnung in Python implementiert haben, können Sie die ONNX-API verwenden, um den Python-Code in ein ONNX-Modell zu konvertieren. Hier ist ein Beispiel für einen Python-Code zur Berechnung des EMA mit Pandas:

****************************

Dies ist der Anfang der Antwort von AI auf Ihre Frage zum EMA. Ich möchte Sie noch einmal dringend bitten, von der Herstellung menschlicher Gehirne auf KI umzusteigen.

Seien Sie nicht schlau - ich bin nicht an Funktionen aus der Bibliothek interessiert, sondern an meinen eigenen Funktionen. Und die KI hat mir geantwortet, dass man das nicht ohne Tamburin machen kann.

Wenn Sie nicht antworten wollen, ist es besser zu schweigen, als an Galle zu ersticken.

Supergiftiger Zweig.

 
)))
Er ist wunderschön
 
Alles ist als Graphen mit Matrixoperatoren in den Knotenpunkten kodiert. Nichts Übernatürliches. Jedes Modell hat seinen eigenen separaten Parser in dieses Format und zurück. Es gibt ein Programm auf Github, mit dem Sie diese Graphen visuell erstellen oder bearbeiten können, basierend auf Netron.
 
Aleksey Vyazmikin #:

Seien Sie nicht schlau - ich bin nicht an Funktionen aus der Bibliothek interessiert, sondern an meinen eigenen Funktionen. Und AI hat mir geantwortet, dass es ohne Tamburin nicht geht.

Wenn Sie nicht antworten wollen, sollten Sie lieber schweigen, anstatt an Galle zu ersticken.

Supergiftiger Zweig.

Diejenigen, die etwas tun wollen, suchen nach Möglichkeiten, die, die es nicht tun wollen, nach Gründen.

Du selbst vergiftest das Thema und versuchst, die Teilnehmer mit deinen Manipulationen zu zwingen, "zu deinem Vorteil zusammenzuarbeiten".