成本對我來說幾乎沒有實際意義。我毫不猶豫地投入5萬美元為我的交易建立一台前沿的計算機 - 我可以把它作為商業費用寫下來 - 我唯一的要求是它可靠地工作並在一年內收回成本。 Adal,我有一個為我編寫NN的程序。我將它輸入到輸入層和輸出層,然後程序確定連接,權重和隱藏層。問題是它需要我最強大的計算機(雙6核心opteron)每個滴答約5-6秒。我不能那樣。在購買一套刀片服務器和從我的地下室/數據中心運行集群,或潛入基於GPU的計算世界之間,我尚未決定。
成本對我來說幾乎沒有實際意義。我毫不猶豫地投入5萬美元為我的交易建立一台前沿的計算機 - 我可以把它作為商業費用寫下來 - 我唯一的要求是它可靠地工作並在一年內收回成本。 Adal,我有一個為我編寫NN的程序。我將它輸入到輸入層和輸出層,然後程序確定連接,權重和隱藏層。問題是它需要我最強大的計算機(雙6核心opteron)每個滴答約5-6秒。我不能那樣。在購買一套刀片服務器和從我的地下室/數據中心運行集群,或潛入基於GPU的計算世界之間,我尚未決定。
那麼,沒有必要支付企業稅併購買特斯拉。您可以使用自己的桌面視頻卡對基於GPU的NN進行原型設計。我確實嘗試使用OpenCL進行刻度過濾並將刻度轉換為蠟燭,雖然它有效並且比CPU快10倍,經過更多優化後可以高達100倍,但這根本不能證明我花費的時間實施這個。我此刻不需要這種速度。 5-6秒/蜱是相當多的。甚至GPU設置都不會在這裡保存Originally Posted by ;
無論它們是什麼,您都需要消除瓶頸。
羅納德我認為人工神經網絡發電機本身就是瓶頸。構建ANN對我來說非常複雜,我嘗試使用幾乎所有可能的配置,幾種類型的輸入,很少的架構,激活功能等,以獲得最佳結果。您使用ANN的目的是什麼?價格預測?
模式選擇。輸入層是我可能拋出的任何東西。我可以放任何數據,只要我能給它加上時間戳並將其與FX數據匹配。一組特定的EA使用14,000個輸入。輸出層是三件事:買賣沒有/不確定我的反饋循環檢查兩個選項(買/賣)中哪一個是最好的,並根據什麼類型調整權重性能我希望EA實現(剝頭皮,趨勢,突破等)。連接和隱藏層由計算機決定,而不是由我決定。這是我認為是你的瓶頸的這一步。由於EA基本上同時測試了幾百個NN的數量,我認為這可以作為一個高度並行的過程。