Работа с моделями машинного обучения

Язык MQL5 поддерживает работу с моделями ONNX (Open Neural Network Exchange). ONNX — открытая библиотека для построения нейронных сетей глубокого обучения. Этот формат поддерживается множеством платформ, включая Chainer, Caffee2 и PyTorch. Создав ONNX модель при помощи специализированных инструментов, вы можете интегрировать ее в свою MQL5-программу и использовать для принятия торговых решений. Описание всех поддерживаемых функций доступно в документации MQL5.

Просмотр моделей в MetaEditor #

Прямо в редакторе можно в удобном виде посмотреть содержимое файла модели ONNX (*.onnx). Для примера найдите проект ONNX.Price.Prediction в разделе "Инструменты \ Публичные проекты", а затем нажмите "Присоединиться" в контекстном меню. Проект загрузится на компьютер и появится в Навигаторе.

Просмотр моделей в Netron #

Netron — специализированный просмотрщик моделей машинного обучения, позволяющий удобно визуализировать их содержимое. Он поддерживает множество популярных форматов: ONNX, TensorFlow Lite, Caffe, Keras, ncnn и т.д.

Для просмотра модели выберите ее файл в Навигаторе и нажмите "Открыть в Netron". Если эта утилита еще не установлена, будет открыта ее страница на GitHub, откуда вы можете скачать установочный файл для своей операционной системы. Например, Netron-Setup-X.X.X.exe — для Windows. После установки программы модель сразу же будет открываться на просмотр из Навигатора.

Поддерживаемые форматы:

• armnn, caffemodel, circle, ckpt, cmf, dlc, dnn, h5, har, hd5, hdf5, hn, keras, kmodel,
• lite, mar, meta, mge, mlmodel, mlnet, mlpackage, mnn, model, nb, ngf, nn, nnp,
• om, onnx, ort, paddle, param, pb, pbtxt, pdiparams, pdmodel, pdopt, pdparams, prototxt, pt, pth, ptl,
• rknn, t7, tfl, tflite, tmfile, tm, tnnproto, torchscript, uff, xmodel