हैंडराइटेड नंबर पहचानने के लिए ONNX मॉडल का उपयोग - MetaTrader 5 के लिए विशेषज्ञ सलाहकार

एक विशेषज्ञ सलाहकार जो हैंडराइटेड अंकों को पहचान सकता है

आपको बता दें कि MNIST डेटाबेस में 60,000 इमेज हैं जिन्हें ट्रेनिंग के लिए और 10,000 इमेज टेस्टिंग के लिए प्रयोग किया जाता है। ये इमेज मूल NIST सेट के 20x20 पिक्सल के काले और सफेद नमूनों को "रिमिक्स" करके बनाई गई हैं, जिन्हें अमेरिकी जनगणना ब्यूरो से प्राप्त किया गया था और अमेरिकी हाई स्कूल के छात्रों से लिए गए टेस्टिंग नमूनों के साथ पूरक किया गया है। इन नमूनों को 28x28 पिक्सल के आकार में सामान्यीकृत किया गया और एंटी-एलियास्ड किया गया, जिससे ग्रेस्केल स्तर शामिल हो गए।

हैंडराइटेड अंक पहचानने के लिए तैयार किया गया मॉडल mnist.onnx को Github से Model Zoo से डाउनलोड किया गया है (opset 8)। जो लोग और मॉडल डाउनलोड करना चाहते हैं, वे ऐसा कर सकते हैं, लेकिन opset 1 के मॉडल को छोड़कर, जिसे नवीनतम ONNX रनटाइम द्वारा अब समर्थन नहीं किया जाता है। हैरानी की बात यह है कि आउटपुट वेक्टर को Softmax सक्रियण कार्य के साथ प्रोसेस नहीं किया गया है, जैसा कि सामान्य रूप से वर्गीकरण मॉडल में किया जाता है। लेकिन यह कोई समस्या नहीं है, क्योंकि हम इसे आसानी से अपने तरीके से कार्यान्वित कर सकते हैं।

int PredictNumber(void)
  {
   static matrixf image(28,28);
   static vectorf result(10);

   PrepareMatrix(image);

   if(!OnnxRun(ExtModel,ONNX_DEFAULT,image,result))
     {
      Print("OnnxRun error ",GetLastError());
      return(-1);
     }

   result.Activation(result,AF_SOFTMAX);
   int predict=int(result.ArgMax());
   if(result[predict]<0.8)
      Print(result);
      Print("value ",predict," predicted with probability ",result[predict]);

   return(predict);
  }

विशेष ग्रिड में माउस से अंक खींचे, बाईं माउस बटन को दबाए रखते हुए। खींचे गए अंक को पहचानने के लिए, CLASSIFY बटन दबाएं।

यदि पहचाने गए अंक की संभाव्यता 0.8 से कम है, तो प्रत्येक कक्षा के लिए संभावनाओं के साथ परिणाम वेक्टर लॉग में प्रिंट किया जाता है। उदाहरण के लिए, एक खाली और बिना भरे इनपुट फ़ील्ड का वर्गीकरण करने का प्रयास करें।

[0.095331445,0.10048489,0.10673151,0.10274081,0.087865397,0.11471312,0.094342403,0.094900772,0.10847695,0.09441267]
value 5 predicted with probability 0.11471312493085861

किसी कारण से, संख्या नौ (9) की पहचान सटीकता उल्लेखनीय रूप से कम है। बाईं ओर झुके हुए अंकों को अधिक सटीकता से पहचाना जा रहा है।

हैंडराइटेड नंबर पहचानने के लिए ONNX मॉडल का उपयोग - MetaTrader 5 के लिए विशेषज्ञ सलाहकार

एक विशेषज्ञ सलाहकार जो हैंडराइटेड अंकों को पहचान सकता है

संबंधित पोस्ट