"新神经 "是MetaTrader 5平台的一个开源神经网络引擎项目。 - 页 71 1...646566676869707172737475767778...100 新评论 yu-sha 2011.11.29 14:47 #701 joo:如果我们把神经元训练看作是微观层面（GA中的独立阵列处理周期，网络中单个神经元的计算等）和宏观层面（整个PF），那么我们对第一个问题就没有疑问和问题了--所有的东西都是并行运行的，在GPU上会运行良好。但在宏观层面上有一个问题。首先，我怀疑由于GPU上处理的信息量的限制，这是不可能的。我们可以解决这个问题，使用常规的测试器和云（每个宏观层面将被转移到独立的代理，并在那里进行微观层面的处理 - 当然，如果主机允许的话）。但我们没有工具可以从外部控制测试仪来使用外部GA。因此，我们将不得不把自己限制在微观层面上的加速。加速也将是非常体面的，因为网格和GA本身的计算比比皆是，相互之间是独立的。至于UGA本身， 除了为OpenCL改进外，你几乎没有什么可改进的（也许只是一些代码片段，但这将是没有用的，感谢那些参加文章中的算法讨论线）。你只能尝试选择UGA的设置，专门用于训练网。现代GPU有1GB或更多的RAM。我很难想象会有更大的训练样本。我对宏观水平没有意见--经过测试 )对GA来说，使用以下架构是合理的：GA本身在CPU上，而繁重的FF计算在GPU上 yu-sha 2011.11.29 14:56 #702 她.人。能否给我一个用于MT5的小例子？ 一个什么的例子？一个神经网络指标，一个神经网络策略，......？? Andrey Dik 2011.11.29 14:58 #703 yu-sha:现代GPU有1GB或更多的RAM我很难想象会有更大的训练样本如果我没记错的话，现代显卡有两种内存--共享的，可能有几GB，速度相当慢；而每个独立的GPU处理器都有的--速度快，但数量少，只有几百KB。我的理由是，这就是可能出现问题的地方。yu-sha:但是，如果你这么说，那么我就相信你的话，现在我很平静。:)yu-sha:对于GA来说，使用以下架构是合理的：GA本身在CPU上，而大量的FF计算在GPU上。 嗯，这是一个技术问题，正如他们所说。你可以这样做。据我所知，OpenCL允许你在代码中选择使用哪些内核来进行计算--在CPU或GPU上。 Serj 2011.11.29 15:06 #704 yu-sha: 一个什么的例子？一个神经网络指标，一个神经网络策略，......？? 如何建立一个松散的（不完全连接的）网络架构，哪里进，哪里出，哪里是权重？ yu-sha 2011.11.29 15:17 #705 joo:如果我没记错的话，现代显卡有两种操作内存--共享内存，可以有几GB，速度相当慢；而每个单独的GPU处理器拥有的内存--速度快，但数量少，只有几百KB。我推断，这就是问题可能出现的地方。常见的 "慢 "是指CPU的DDR完全模拟（~0.75 - 1.00GHz - 不是非常慢）。快速是CPU的缓存对应物。GPU允许管理这种非常片上（缓存）的内存，与CPU不同（我可能是错的，但不知为什么我没有遇到过这样的问题）。但所有这些都是额外的优化问题，你可以不需要它们。 Mykola Demko 2011.11.29 15:18 #706 她.人。yu-sha: 一个什么的例子？神经网络指标，神经网络策略，...? 如何建立一个松散的（不完全连接的）网络架构，哪里进，哪里出，哪里是权重？是的是的，我们需要一个推动的例子，然后我们会想出办法。一个标准的GA和一个云将有助于平行计算FF。特别是正如雷纳特所承诺的那样。没办法，测试员GA被限制在64位的搜索，对于训练权重，你需要16-64位的每个权重（取决于搜索精度），而权重可以达到..... 一些，也可以是几万和几十万。UGA可以很好地处理这个问题，而测试者却不能。因此，要么应该要求MQ升级GA（我已经做了两年，但没有成功），要么UGA将比集群中慢得多。 Mykola Demko 2011.11.29 15:32 #707 yu-sha:常见的 "慢"--这是完整的CPU模拟DDR（~0.75 - 1.00GHz - 不是很慢）。快速 - 这是对应于CPU的缓存内存。GPU允许管理这种非常片上（缓存）的内存，与CPU不同（我可能是错的，但不知为什么我没有遇到过这样的问题）。但所有这些都是额外的优化问题，我们可以不考虑这些问题。不是重点，内存，在GPU上将很难实现对象逻辑的扭曲，我有一个相当好的想法，如何实现NS作为一个复杂的对象的互动，其中有GPU计算功能（这是关于微观层面），但我无法想象这个复杂的对象代码那些整个NS如何滑到GPU作为几个FF的不同集权（宏观层面）？这个问题是反问句，尽管如果有人想象它不屑于听。 Mykola Demko 2011.11.29 15:39 #708 我有一个有趣的想法。 也许可以要求MQ API为集群设置任务？直接从MQL5分发任务，绕过测试人员。当然，这是一项复杂的任务，必须设置许多检查，但这是可以管理的。我已经尝试把内核放在集群中，但我得花点功夫。 yu-sha 2011.11.29 15:43 #709 Urain。是的是的，我们希望有一个推动的例子，然后我们会想出办法。例1:任务说明。- 我们需要恢复指标的算法，其来源不可用（或者它是一个 "重新绘制 "的指标--顺便说一下，它对NS来说不是一个坏老师），但我们知道每个条形上的值- 指标值的范围是(-1;+1)输入。- 我们知道（怀疑？）这个指标使用了最后10个收盘价例子#2。问题陈述。- 我们需要找到在一段历史上交易效果最好的神经网络交易策略（最大化利润/MaxDD）。输入数据。- 正常化MACD(13,35), MACD(50,100), RSI(8), RSI(13)例子#3。任务说明。- 教给神经网络一个乘法表输入数据。- 在(-1;+1)范围内的x,y倍增器你可以提出你自己的例子，如果可能的话，我将向你展示XML中的网络结构。 面向初学者的 MQL4 语言。技术指标和内置函数 以横盘和趋势行情为例强化策略测试器的指标优化 监视多币种的交易信号 (第二部分) : 应用程序可视部分的实现 Mykola Demko 2011.11.29 15:51 #710 yu-sha: 你可以提出你自己的例子，如果可能的话，我可以向你展示XML的网络结构。以及最重要的是，关于这个架构是如何创建的，XML文件是如何生成的源代码。 1...646566676869707172737475767778...100 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
如果我们把神经元训练看作是微观层面（GA中的独立阵列处理周期，网络中单个神经元的计算等）和宏观层面（整个PF），那么我们对第一个问题就没有疑问和问题了--所有的东西都是并行运行的，在GPU上会运行良好。
但在宏观层面上有一个问题。首先，我怀疑由于GPU上处理的信息量的限制，这是不可能的。我们可以解决这个问题，使用常规的测试器和云（每个宏观层面将被转移到独立的代理，并在那里进行微观层面的处理 - 当然，如果主机允许的话）。但我们没有工具可以从外部控制测试仪来使用外部GA。
因此，我们将不得不把自己限制在微观层面上的加速。加速也将是非常体面的，因为网格和GA本身的计算比比皆是，相互之间是独立的。
至于UGA本身， 除了为OpenCL改进外，你几乎没有什么可改进的（也许只是一些代码片段，但这将是没有用的，感谢那些参加文章中的算法讨论线）。你只能尝试选择UGA的设置，专门用于训练网。
现代GPU有1GB或更多的RAM。
我很难想象会有更大的训练样本。
我对宏观水平没有意见--经过测试 )
对GA来说，使用以下架构是合理的：GA本身在CPU上，而繁重的FF计算在GPU上
能否给我一个用于MT5的小例子？
现代GPU有1GB或更多的RAM
我很难想象会有更大的训练样本
如果我没记错的话，现代显卡有两种内存--共享的，可能有几GB，速度相当慢；而每个独立的GPU处理器都有的--速度快，但数量少，只有几百KB。我的理由是，这就是可能出现问题的地方。
但是，如果你这么说，那么我就相信你的话，现在我很平静。:)
对于GA来说，使用以下架构是合理的：GA本身在CPU上，而大量的FF计算在GPU上。
嗯，这是一个技术问题，正如他们所说。你可以这样做。据我所知，OpenCL允许你在代码中选择使用哪些内核来进行计算--在CPU或GPU上。
一个什么的例子？一个神经网络指标，一个神经网络策略，......？?
如果我没记错的话，现代显卡有两种操作内存--共享内存，可以有几GB，速度相当慢；而每个单独的GPU处理器拥有的内存--速度快，但数量少，只有几百KB。我推断，这就是问题可能出现的地方。
常见的 "慢 "是指CPU的DDR完全模拟（~0.75 - 1.00GHz - 不是非常慢）。
快速是CPU的缓存对应物。
GPU允许管理这种非常片上（缓存）的内存，与CPU不同（我可能是错的，但不知为什么我没有遇到过这样的问题）。
但所有这些都是额外的优化问题，你可以不需要它们。
她.人。
一个什么的例子？神经网络指标，神经网络策略，...?
是的是的，我们需要一个推动的例子，然后我们会想出办法。
没办法，测试员GA被限制在64位的搜索，对于训练权重，你需要16-64位的每个权重（取决于搜索精度），而权重可以达到..... 一些，也可以是几万和几十万。UGA可以很好地处理这个问题，而测试者却不能。
因此，要么应该要求MQ升级GA（我已经做了两年，但没有成功），要么UGA将比集群中慢得多。
常见的 "慢"--这是完整的CPU模拟DDR（~0.75 - 1.00GHz - 不是很慢）。
快速 - 这是对应于CPU的缓存内存。
GPU允许管理这种非常片上（缓存）的内存，与CPU不同（我可能是错的，但不知为什么我没有遇到过这样的问题）。
但所有这些都是额外的优化问题，我们可以不考虑这些问题。
不是重点，内存，在GPU上将很难实现对象逻辑的扭曲，我有一个相当好的想法，如何实现NS作为一个复杂的对象的互动，其中有GPU计算功能（这是关于微观层面），但我无法想象这个复杂的对象代码那些整个NS如何滑到GPU作为几个FF的不同集权（宏观层面）？
这个问题是反问句，尽管如果有人想象它不屑于听。
我有一个有趣的想法。
也许可以要求MQ API为集群设置任务？
直接从MQL5分发任务，绕过测试人员。当然，这是一项复杂的任务，必须设置许多检查，但这是可以管理的。
我已经尝试把内核放在集群中，但我得花点功夫。
是的是的，我们希望有一个推动的例子，然后我们会想出办法。
例1:
任务说明。
- 我们需要恢复指标的算法，其来源不可用（或者它是一个 "重新绘制 "的指标--顺便说一下，它对NS来说不是一个坏老师），但我们知道每个条形上的值
- 指标值的范围是(-1;+1)
输入。
- 我们知道（怀疑？）这个指标使用了最后10个收盘价
例子#2。
问题陈述。
- 我们需要找到在一段历史上交易效果最好的神经网络交易策略（最大化利润/MaxDD）。
输入数据。
- 正常化MACD(13,35), MACD(50,100), RSI(8), RSI(13)
例子#3。
任务说明。
- 教给神经网络一个乘法表
输入数据。
- 在(-1;+1)范围内的x,y倍增器
你可以提出你自己的例子，如果可能的话，我将向你展示XML中的网络结构。
你可以提出你自己的例子，如果可能的话，我可以向你展示XML的网络结构。
以及最重要的是，关于这个架构是如何创建的，XML文件是如何生成的源代码。