OHLCFormer

Outil de formation et d'évaluation des réseaux de neurones pour les prévisions de données ouvertes-haut-clôture (OHLC).

OHLCFORMER fournit une API facile à utiliser pour le prototypage, la formation et l'évaluation des modèles pour effectuer des tâches de prévision des données ouvertes-low-close (OHLC).

Commencer

Vous pouvez trouver ici une liste des cahiers officiels.

Carnet de notes	Description
Informatique	Comment prétraiter vos données et créer un ensemble de données.
Formation modèle	Comment configurer et former un modèle sur votre ensemble de données.
Évaluation des modèles	Comment analyser les modèles avec ohlcformer.
Enregistrement	Comment configurer et utiliser les composants de journalisation.

Architectures de modèle

OhlcFormer fournit actuellement les architectures suivantes:

1. FNET (de Google Research) publié avec le papier FNET: mélange des jetons avec des transformations de Fourier de James Lee-Thorp, Joshua Ainslie, Ilya Eckstein, Santiago Ontanon.
2. Bert (de Google) publié avec le papier Bert: pré-formation de transformateurs bidirectionnels profonds pour la compréhension du langage par Jacob Devlin, Ming-Wei Chang, Kenton Lee et Kristina Toutanova.