Arbeiten mit Modellen des maschinellen Lernens

Die Sprache MQL5 unterstützt Operationen mit ONNX (Open Neural Network Exchange) Modellen. ONNX ist ein Open-Source-Format für maschinelle Lernmodelle. Dieses Format wird von vielen Plattformen unterstützt, darunter Chainer, Caffee2 und PyTorch. Erstellen Sie ein ONNX-Modell mit spezialisierten Werkzeugen, integrieren Sie es in Ihre MQL5-Anwendung und nutzen Sie es, um Handelsentscheidungen zu treffen. Beschreibungen aller unterstützten Funktionen finden Sie in der MQL5 Dokumentation.

Modelle in MetaEditor anzeigen #

Sie können sich den Inhalt der ONNX-Modelldatei (*.onnx) direkt im Editor ansehen. Suchen Sie zum Beispiel das Projekt ONNX.Price.Prediction unter Toolbox \ Public Projects und wählen Sie im Kontextmenü Join. Das Projekt wird auf Ihren Computer heruntergeladen und erscheint im Navigator.

Modelle in Netron anzeigen #

Netron ist ein spezialisierter Viewer für ML-Modelle, der die bequeme Visualisierung ihres Inhalts ermöglicht. Er unterstützt gängige Modelle, darunter ONNX, TensorFlow Lite, Caffe, Keras und ncnn, um nur einige zu nennen.

Um ein Modell zu betrachten, wählen Sie seine Datei im Navigator aus und klicken Sie auf "Open in Netron". Wenn dieses Tool nicht installiert ist, öffnet sich seine GitHub-Seite, von der Sie den entsprechenden Installer für Ihr Betriebssystem herunterladen können. Verwenden Sie zum Beispiel Netron-Setup-X.X.X.exe für Windows. Wenn das Programm installiert ist, wird das Modell sofort zur Ansicht im Navigator geöffnet.

Unterstützte Formate:

• 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