Trabalhando com modelos de aprendizado de máquina

A linguagem MQL5 suporta modelos ONNX (Open Neural Network Exchange). ONNX – é uma biblioteca aberta para a criação de redes neurais de aprendizagem profunda. Esse formato é suportado por muitas plataformas, incluindo Chainer, Caffee2 e PyTorch. Com a criação de um modelo ONNX usando ferramentas especializadas, você pode integrá-lo ao seu programa MQL5 e aproveitá-lo para tomar decisões de negociação. A descrição de todas as funções suportadas está disponível na documentação MQL5.

Visualizando modelos no MetaEditor #

O conteúdo do arquivo de modelo ONNX (*.onnx) pode ser convenientemente visualizado diretamente em um editor. Para este exemplo, localize o projeto ONNX.Price.Prediction em "Ferramentas \ Projetos públicos" e clique em "Juntar-se" no menu de contexto. O projeto será baixado em seu computador e aparecerá no Navegador.

Visualizando modelos no Netron #

Netron – visualizador de modelos de aprendizado de máquina dedicado, que permite a fácil apresentação de seu conteúdo. Ele é compatível com vários formatos populares: ONNX, TensorFlow Lite, Caffe, Keras, ncnn, etc.

Para visualizar o modelo, selecione o arquivo no Navegador e pressione "Abrir no Netron". Se essa ferramenta ainda não estiver instalada, sua página no GitHub será aberta, e nela você poderá fazer o download do arquivo de instalação para o seu sistema operacional. Por exemplo, Netron-Setup-X.X.X.exe para Windows. Após a instalação do software, o modelo será aberto imediatamente para ser visualizado no Navegador.

Formatos suportados:

• 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