Trabajo con los modelos de aprendizaje automático

El lenguaje MQL5 permite trabajar con modelos ONNX (Open Neural Network Exchange). ONNX es una biblioteca de código abierto para construir redes neuronales de aprendizaje profundo. Es compatible con muchas plataformas, incluyendo Chainer, Caffee2 y PyTorch. Una vez que haya creado su modelo ONNX con las herramientas especializadas, podrá integrarlo en su programa MQL5 y usarlo para tomar decisiones comerciales. Encontrará una descripción de todas las funciones compatibles en la documentación de MQL5.

Visualizar modelos en el MetaEditor #

Directamente en el editor, podrá ver cómodamente el contenido del archivo del modelo ONNX (*.onnx). Por ejemplo, busque el proyecto ONNX.Price.Prediction en "Herramientas \ Proyectos públicos" y clique en "Unirse" en el menú contextual. El proyecto se descargará en su computadora y aparecerá en el Navegador.

Visualizar modelos en Netron #

Netron es un visualizador especializado en modelos de aprendizaje automático que permite ver fácilmente su contenido. Es compatible con muchos formatos populares: ONNX, TensorFlow Lite, Caffe, Keras, ncnn, etc.

Para visualizar un modelo, seleccione su archivo en el Navegador y pulse "Abrir en Netron". Si esta herramienta no está ya instalada, se abrirá su Página en GitHub, desde donde podrá descargar un archivo de instalación para su sistema operativo. Por ejemplo Netron-Setup-X.X.X.exe para Windows. Tras instalar el programa, el modelo se abrirá directamente para su visualización desde el Navegador.

Formatos compatibles:

• 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