الصفحة الرئيسية>المتعلقة بالبرمجة>كود الذكاء الاصطناعي
تنزيل

عندما تجتمع البيتكوين مع الذكاء الاصطناعي

استغلال أنماط أسعار البيتكوين مع التعلم العميق. مثل OpenAI، نقوم بتدريب نماذجنا على بيانات البكسل الأولية. بالضبط كيف يرى الإنسان ذو الخبرة المنحنيات ويتخذ إجراءً.

لقد حققنا حتى الآن:

  • قم بتنزيل بيانات علامة البيتكوين
  • تحويل إلى بيانات 5 دقائق
  • تحويل إلى تمثيل فتح ارتفاع منخفض إغلاق
  • قم بتدريب AlexNet البسيط على 20000 عينة: تبلغ الدقة 70% للتنبؤ بما إذا كان الأصل سيرتفع أم ينخفض. يتم التدريب على NVIDIA DIGITS وباستخدام إطار عمل Caffe.
  • حدد مقدار السعر الذي سيرتفع أو ينخفض. لأن السعر يمكن أن يرتفع بنسبة إبسيلون بنسبة 99% من الوقت، ويتراجع بنسبة 50%
  • تدرب على أكثر من 1,000,000 عينة (على الأقل)
  • تطبيق شبكات تحويل أكثر تعقيدًا (على الأقل Google LeNet)
  • دمج وحدات تخزين الشريط في صورة OHLC (فتح، مرتفع، منخفض، إغلاق) التي تم إنشاؤها
  • استخدم اهتمام CNN لمعرفة ما هو مهم بالنسبة لأي صورة. ربما جزء صغير فقط من الصورة مهم للتنبؤ

النتائج على 20000 عينة (مجموعة بيانات صغيرة)


التدريب على بيانات الأسعار لمدة 5 دقائق (Coinbase USD)


بعض الأمثلة على مجموعة التدريب

رسم توضيحي لمجموعة البيانات من CoinbaseUSD 

                     price_open  price_high  price_low  price_close      volume  close_price_returns close_price_returns_bins  close_price_returns_labels
DateTime_UTC                                                                                                                                             
2017-05-29 11:55:00     2158.86     2160.06    2155.78      2156.00   21.034283             0.000000          (-0.334, 0.015]                           5
2017-05-29 12:00:00     2155.98     2170.88    2155.79      2158.53   47.772555             0.117347           (0.015, 0.364]                           6
2017-05-29 12:05:00     2158.49     2158.79    2141.12      2141.92  122.332090            -0.769505        (-1.0322, -0.683]                           3
2017-05-29 12:10:00     2141.87     2165.90    2141.86      2162.44   87.253402             0.958019          (0.713, 1.0623]                           8
  • قم بالتمرير لليمين لرؤية كافة الأعمدة!
  • يتم عرض الكميات بعملة BTC.
  • العوائد هي بالنسبة المئوية ويتم حسابها على أسعار الإغلاق.

كيف تبدأ؟ 

 git clone https://github.com/philipperemy/deep-learning-bitcoin.git
cd deep-learning-bitcoin
./data_download.sh # will download it to /tmp/
python3 data_generator.py /tmp/btc-trading-patterns/ /tmp/coinbaseUSD.csv 1 # 1 means we want to use quantiles on returns. 0 would mean we are interested if the bitcoin goes UP or DOWN only.

إذا كنت مهتمًا ببناء مجموعة بيانات ضخمة (يحتوي ملف Coinbase.csv على حوالي 18 مليون صف)، فمن الأفضل تشغيل البرنامج في وضع الخلفية: 

 nohup python3 -u data_generator.py /tmp/btc-trading-patterns/ /tmp/coinbaseUSD.csv 1 > /tmp/btc.out 2>&1 &
tail -f /tmp/btc.out

إذا رأيت هذا الخطأ: 

 _tkinter.TclError: no display name and no $DISPLAY environment variable

يرجى الرجوع إلى هذا الحل: https://stackoverflow.com/questions/37604289/tkinter-tclerror-no-display-name-and-no-display-environment-variable

تشغيل مع دوكر

لبناء صورة عامل الإرساء فقط قم بالتنفيذ 

 docker build -t dlb .

من مجلد المستودع ثم قم بتشغيل الحاوية 

 docker run -it --name dlb -v $PWD:/app dlb /bin/bash

سيتم تثبيت المجلد الحالي في /app . للتحقق من التثبيت الصحيح، قم بتنفيذه داخل الحاوية 

 root@c11ef702a6d6:/app# mount| grep app
/dev/sda2 on /app type ext4 (rw,relatime,errors=remount-ro,data=ordered)
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل