使用 ONNX 模型识别手写数字的示例 - MetaTrader 5 专家

这MNIST数据库包含 60,000 张训练图像和 10,000 张测试图像。这些图像是通过“重新混合”一组原始的 NIST 20x20 像素黑白样本而创建的，这些样本又从美国人口普查局获得，并补充了从美国高中生采集的测试样本。将样本标准化为 28x28 像素大小并进行抗锯齿处理，从而引入灰度级别。

训练好的手写数字识别模型 mnist.onnx 从 Github 下载模型动物园（opset 8）。有兴趣的人可以下载并尝试其他模型，不包括具有 opset 1 的模型，最新的 ONNX 运行时不再支持该模型。令人惊讶的是，输出向量没有经过处理软最大激活函数，这在分类模型中很常见。嗯，这不是问题，因为我们可以自己轻松实现。

整数预测数(空白）
  {
  静止的 矩阵f图像（28,28）；
  静止的 向量f结果（10）；

   准备矩阵（图像）；

  如果（！Onnx运行（外部模型，ONNX_DEFAULT，图像，结果））
     {
      打印（“Onnx运行错误 ”，获取最后一个错误());
      返回(-1）；
     }

  结果.激活（结果，AF_SOFTMAX）；  整数预测=整数(结果.ArgMax());
  如果(结果[预测]<0.8）
      打印（结果）;
  打印("值",预测,"以概率预测",结果[预测]);

  返回（预测）;
  }

 使用鼠标在特殊网格中绘制数字，按住鼠标左键。要识别绘制的数字，请按分类按钮。

如果所获得的已识别数字的概率小于 0.8，则将包含每个类别的概率的结果向量打印到日志中。例如，尝试对空的未填充输入字段进行分类。

[0.095331445,0.10048489,0.10673151,0.10274081,0.087865397,0.11471312,0.094342403,0.094900772,0.10847695,0.09441267]
价值5以概率预测0.11471312493085861

附件下载

📎 testmnistonnx.mq5 (8.36 KB)

📎 mnist.onnx (25.83 KB)

Source: MQL5 #47225