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...
您可以在同一个 R 中保存模型，并通过 python 在 onnx 中进行几行操作
如果您指的只是神经网络 模型，而不是任何像 Forest 这样的模型的话。
虽然 hgbust 也有可能实现。
---------------------------------
而且它说 你不能转换任何模型，模型本身必须支持这种格式。
--------------------------------
所以结论是，ONNH 是 python，没有出路。
当然是神经）。
只有最终训练好的网格才能放入 onnx 文件。也可以（理论上）将网格特征的预处理从初始价格中提取出来。所有这些都被称为管道，问题是将所有管道都放入一个 ONNX 文件的灵活性有多大。
没有人真正愿意深入研究这个问题，因为你需要精通 python，而且这方面的手册很少，人工智能还是老样子）。
只有经过最终训练的网格才能放入 onnx 文件。也可以（理论上）对初始价格的网格符号进行预处理。所有这些都被称为管道，问题是将所有管道放入一个 ONNX 文件的灵活性有多大。
没有人真正愿意深入研究这个问题，因为你需要精通 python，而且这方面的手册很少，人工智能也是一如既往的谎言）。
预处理粗略地说就是归一化，因此特征的数量不会发生变化....。
我想知道是否有可能在内部生成新的属性，模型接受来自 ohlc 的数组，而在 ohlc 格式内部已经生成了新的属性，内部还有一段完整的自定义代码....。
我还是不明白，这到底能不能用很少的血来完成......
预处理大致是归一化，因此特征的数量不会改变。
我想知道是否有可能在内部生成新的属性，模型接受来自 ohlc 的数组，而在 ohlc 格式内部已经生成了新的属性，内部还有一段完整的自定义代码....。
我还是不明白，这到底能不能用很少的血来完成......
在我看来，对于 Python 初学者来说，肯定不是，而对于 Python 专家来说，这是一个可能性极限的问题。到目前为止，Python 手册还很少，而且只包含简单的示例。
总之，根据
http://w ww.xavierdupre.fr/app/mlprodict/helpsphinx/tutorial/onnx_numpy.html
和
http://www.xavierdupre.fr/app/mlprodict/helpsphinx/api/npy.html#l-numpy-onnxpy
如果您只需要传输模型和简单的归一化处理，那么 onnx 是不错的选择...
但如果您需要做一些定制化操作，要么是 AD，要么根本不可能...
我不知道这是针对什么样的交易者...
看起来有 5 人将参加比赛，其中 4 人是 metaquotes 的员工，他们曾致力于将 onnx 集成到 metatrader 中。
总之，根据
http://w ww.xavierdupre.fr/app/mlprodict/helpsphinx/tutorial/onnx_numpy.html
和
http://www.xavierdupre.fr/app/mlprodict/helpsphinx/api/npy.html#l-numpy-onnxpy
如果您只需要传输模型和简单的归一化处理，onnx 可以胜任。
但如果需要自定义，要么是 AD，要么根本不可能....。
我不知道这是为哪类交易者设计的...
看起来有 5 人将参加比赛，其中 4 人是 metaquotes 的员工，他们致力于将 metaquotes 集成到 metatrader 中。
我有一个使用 R 的真实 EA，第一个版本已经通过测试。
其结构如下
1.在 µl 上有一个普通的智能交易系统，具有常用的功能：处理订单、止损、MM.....。在元报价的例子中，信号生成块--两个混合物的交叉点--被对 R 的请求所取代，R 会发送下一个 OHLC。
2.R 的代码大致由两部分组成：
2.1 将 OHLC 转换为模型的一系列预测因子。这些是 R 中数百（或数千）个运算符，可以访问 R 中的一些软件包（不是模型）。
2.2 模型的实际信号计算。
3. 交易信号传回 Expert Advisor：-1；0；1。
回到主题，原来要使用 ONNX p.2.2， 就必须移动 EA 中的 p.2.1？这对我来说是一项艰巨的任务，因为除了模型本身，还使用了 R 中的其他软件包，其算法必须用 µl 编码。
现在，社会上出现了一种有趣的现象--科学界的东西受到欢迎。因此，人们的行为发生了变化：如果说科学描述以前会让普通人感到厌恶，那么现在则相反，它会吸引他们。因此，为了增加销售量，提及 "傅里叶变换和拉普拉斯变换 "等其他近似科学的术语是有意义的。当然，还有关于该主题的精美图片/动画。
文字和图片已经足够了。
言归正传，原来要使用 ONNX，2.2.2 就必须放在ONNX 中，而 2.1 则必须移到 EA 中？这对我来说是一项艰巨的任务，因为除了模型本身，还使用了 R 中的其他软件包，这些软件包的算法必须用 µl 编码。
据我所知，一切都像这样
--------------------------------
这项技术不适合人类...
模型中最重要的是属性，而不是模型本身...
专业人士已经建立了创建属性和数据处理的流程，他们也知道如何将模型与市场连接起来，只是不需要ONNX。
初学者甚至不知道 ONN X。
这是为谁设计的，我心里也没底...
为了比赛？:)