在双处理器计算机上进行优化 - 页 4

 
我的服务器母体上有24个线程52个内存。MT5对CPU和RAM的负载都是100%。我明白有可能采取更多,但我的朋友在中国的主板上发热并重置了频率。而且,电脑过热是很危险的。
 
Vyacheslav Vorobev:
我的服务器主板上有24个线程和52个内存。MT5的CPU和内存都是100%的最大值。据我所知,有可能采取更多,但我的朋友在中国的主板上有,并重置了时钟速度。而且,电脑过热是很危险的。

好吧,我越来越倾向于这样的想法:从阿利克那里拿任何种类的帽子都没有意义,最好是从国土安全部或其他地方得到它,然后组装起来。至少我有个地方可以投诉,如果出了问题。

AMD Ryzen 9 3900X

 
Sergei Makarevich:

这款2673 v3 CPU在性能和测试方面更出色

没错,但钱已经投资在v3上了。
 
视频卡上的OPENCL代理在MT5中工作吗?
 
Andrey Khatimlianskii:

你可以通过几个步骤自己运行优化 -https://www.mql5.com/ru/code/26132

但真的没有必要去看那么多的组合。

这是我想到的第一个想法。但几个阶段并不是一回事。因为有时候,如果你稍微改变一下参数,结果就会发生很大的变化,重要的参数就会被忽略。没有依赖性,这样你就可以在大的步骤中找到极限,然后在这个极限中给出更小的步骤。出于这个原因,为了测试一些假设,应该取消测试者通过的限制。是否没有意义,只有经验可以判断。研究有时需要采取非常规的方法。

 
Aliaksandr Hryshyn:
而谁将控制风中所发生的一切?炫酷的硬件不会有帮助?太糟糕了,那么它的意义何在?安全性会越来越差,有很多东西是普通用户不知道的。安全首先是一个用户分类的问题。
用户的行为是由用户自己决定的,如果他愿意,他可以纠正这些行为。但硬件后门的存在并不取决于用户,因为即使想要也无法删除。在这种情况下,重新刷新BIOS不会有任何帮助。巴多位于南桥。此外,没有任何东西出现在一个正常用户无法理解的地方。通过遵循一套简单的、需要最低水平的硬件和操作系统知识才能理解的一些规则,可以实现非常严肃的安全水平。我相信任何人都可以做到这一点。
 
Sergei Makarevich:

好吧,我越来越倾向于这样的想法:从阿利克那里拿任何种类的帽子都没有意义,最好是从国土安全部或其他地方得到它,然后组装起来。至少我有个地方可以投诉,如果出了问题。

AMD Ryzen 9 3900X

顺便说一下,在研究Ryzen的时候,我发现Ryzen 7 2700x有一个相当不错的交易...对于9的价格,你可以建立一个完整的PC(没有外部显卡),是的,会有较少的核心/线程,但每个核心/线程的成本更低。

当然,如果你需要一台用于MT的破碎机,那么Xeon的2倍处理器可能仍然在价格/性能上高于竞争对手,但鉴于有限的处理器指令集和低(相对现代的CPU)频率,它们未来的流动性和用于其他任务,例如视频处理,是一个很大的问题......

PS也曾从优化EA 的角度接近这个话题,但在一台旧的办公电脑上工作时,不知为何这个话题消失了,对大量线程/核心的需求也不再(或仍然?

 
pribludilsa:

这是我想到的第一个想法。但几步是不一样的。因为有时候,如果你稍微改变一下参数,结果就会发生很大的变化,重要的参数就会被忽略。没有依赖性,这样你就可以在大的步骤中找到极限,然后在这个极限中给出较小的步骤。出于这个原因,为了测试一些假设,应该取消测试者通过的限制。是否没有意义,只有经验可以判断。研究工作有时需要采取突破性的方法。

将你超过100,000,000次的全表除以100次的100万次。你最终会得到同样完整的结果表(可以通过编程粘在一起)。

 
Andrey Khatimlianskii:

将你完全重叠的超过100,000,000次除以100次的100万次。你最终会得到同样完整的结果表(你可以通过编程把它粘在一起)。

先找一个参数,再找另一个,是行不通的,因为参数之间是有关联的,而且这种关联可能是以复杂函数的形式存在的,寻找这种关联反而是一种错误的做法。所以,这种分离优化的做法是一个错误。我的帖子中描述了一个更正确的方法,你可以尝试在巨大的步骤中找到好的参数的极限,但由于不重要的参数变化的结果会有跳跃性的变化,这种方法也不适合。当然,我们可以尝试用推导参数相关函数的方法来工作,但为什么呢,因为这种方法很复杂,而我们可以用更直接的方式来做,只需做一个缓慢的优化,有大量的通道。这似乎需要写一个自己的测试器。

 
而且我们还应该补充一点,如果我们接手参数相关函数的推导,我们又会遇到同样的问题,即在一个非常狭窄的限度内函数图的跳跃的可能性。由于每个人与每个人都有关联,我们不能先找到一个依赖关系,然后再找到另一个依赖关系,以此类推,我们又会得到一个巨大的任务,需要分成巨大的步骤。这样一来,就会出现误差的累积,而这一点可以通过简单地使用大量的优化来避免。更不用说在我看来,这种方法总体上是非常复杂的。我可能没有正确地使用相关一词,我的意思是所有的参数一起作用于结果。