Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3235

 
Там все в виде графов кодируется, в узлах которых операторы матричные. Ничего сверхъестественного. У каждой модели свой отдельный парсер в этот формат и обратно. Есть прога на гитхабе, которая позволяет визуально создавать или править эти графы, на базе нетрона.
 
Aleksey Vyazmikin #:

Не надо умничать - мне интересны не функции из библиотеки, а свои функции. И ИИ дал мне ответ, что без бубна это сделать нельзя.

Если не хотите отвечать, то лучше промолчите, а не давитесь желчью.

Сверх токсичная ветка.

Кто хочет сделать, тот ищет возможности, кто не хочет - ищет причины.

Вы сами и интоксицируете ветку, пытаясь своими манипуляциями принудить её участников к "совместному труду для вашей пользы".

 
Тем не менее, тема создания кастомных пайплайнов с последующей конвертацией их в ONNX весьма интересна, важна и вполне заслуживает одной или даже нескольких статей на форуме.
 

Если я правильно понял, то схема работы с ONNX упрощённо выглядит так:

MQL5_Input_Data -> ONNX -> MQL5_TS, где:

MQL5_Input_Data - получение данных

ONNX - модель (нейросеть с коэффициентами весов)

MQL5_TS - обработчик и торговая система.


Непонятно как исполняется ONNX-модель, то ли её выполняет непосредственно MT5, то ли нужно Python задействовать для этого.

 
Andrey Dik #:

Если я правильно понял, то схема работы с ONNX упрощённо выглядит так:

MQL5_Input_Data -> ONNX -> MQL5_TS, где:

MQL5_Input_Data - получение данных

ONNX - модель (нейросеть с коэффициентами весов)

MQL5_TS - обработчик и торговая система.


Непонятно как исполняется ONNX-модель, то ли её выполняет непосредственно MT5, то ли нужно Python задействовать для этого.

МТ5 выполняет. На выходе просто экзешник бота. Как ресурс подшивается.
 
Andrey Dik #:

Если я правильно понял, то схема работы с ONNX упрощённо выглядит так:

MQL5_Input_Data -> ONNX -> MQL5_TS, где:

MQL5_Input_Data - получение данных

ONNX - модель (нейросеть с коэффициентами весов)

MQL5_TS - обработчик и торговая система.


Непонятно как исполняется ONNX-модель, то ли её выполняет непосредственно MT5, то ли нужно Python задействовать для этого.

Я так понял:. Onnx - модель выдает только
Сигнал( грубо говоря число или набор чисел), а торги делает сам терминал МТ5
Через функцию OrderSend()
 
Andrey Dik #:

Непонятно как исполняется ONNX-модель, то ли её выполняет непосредственно MT5, то ли нужно Python задействовать для этого.

Судя по всему, исполняется посредством onnxruntime от Микрософта, включённого в МТ5. Был недолгий момент, когда для запуска модели нужно было добавлять какие-то длл-ки в корень терминала.

GitHub - microsoft/onnxruntime: ONNX Runtime: cross-platform, high performance ML inferencing and training accelerator
GitHub - microsoft/onnxruntime: ONNX Runtime: cross-platform, high performance ML inferencing and training accelerator
  • microsoft
  • github.com
ONNX Runtime is a cross-platform inference and training machine-learning accelerator . ONNX Runtime inference can enable faster customer experiences and lower costs, supporting models from deep learning frameworks such as PyTorch and TensorFlow/Keras as well as classical machine learning libraries such as scikit-learn, LightGBM, XGBoost, etc...
 
Maxim Dmitrievsky #:
МТ5 выполняет. Как она вшивается в тело бота потом - вроде Ренат писал, не помню. На выходе просто экзешник бота.

если советник с ONNX это просто экзешник, то как организаторы узнают, что вообще ONNX используется?

или, "не переживай, узнают!"?))

 
Andrey Dik #:

если советник с ONNX это просто экзешник, то как организаторы узнают, что вообще ONNX используется?

или, "не переживай, узнают!"?))

Нет же, модель добавляется в качестве ресурса. Можно  в виде отдельного файла - в мануале всё описано же.
 
Andrey Dik #:

если советник с ONNX это просто экзешник, то как организаторы узнают, что вообще ONNX используется?

или, "не переживай, узнают!"?))

🤷‍♂️