Travailler avec des modèles d'apprentissage automatique

Le langage MQL5 prend en charge les opérations avec les modèles ONNX (Open Neural Network Exchange). ONNX est un format open-source pour les modèles d'apprentissage automatique. Ce format est pris en charge par de nombreuses plateformes, dont Chainer, Caffee2 et PyTorch. Créez un modèle ONNX à l'aide d'outils spécialisés, intégrez-le dans votre application MQL5 et utilisez-le pour prendre des décisions de trading. Les descriptions de toutes les fonctions prises en charge sont disponibles dans la Documentation MQL5.

Afficher les modèles dans MetaEditor #

Vous pouvez visualiser le contenu du fichier modèle ONNX (*.onnx) directement dans l'éditeur. Par exemple, recherchez le projet ONNX.Price.Prediction depuis le menu Boîte à Outils \ Projets Publics et sélectionnez Rejoindre dans le menu contextuel. Le projet sera téléchargé sur votre ordinateur et apparaîtra dans le Navigateur.

Voir les modèles dans Netron #

Netron est un visualiseur spécialisé pour les modèles ML qui permet une visualisation pratique de leur contenu. Il prend en charge les modèles populaires, notamment ONNX, TensorFlow Lite, Caffe, Keras et ncnn.

Pour visualiser un modèle, sélectionnez son fichier dans le Navigateur et cliquez sur "Ouvrir dans Netron". Si cet utilitaire n'est pas installé, sa page GitHub s'ouvrira, à partir de laquelle vous pourrez télécharger le programme d'installation correspondant, en fonction de votre système d'exploitation. Par exemple, utilisez Netron-Setup-X.X.X.exe pour Windows. Si le programme est installé, le modèle s'ouvrira immédiatement pour être visualisé à partir du navigateur.

Formats pris en charge :

• 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