さくら VPS CNN 豪ドル/円予測

さくら VPS CNN 豪ドル/円予測概要

ここまで
Python Colaboratory Ⅴ
CNN (Convolutional Neural Network)概要
　～
CNN 豪ドル/円４時間足予測ファイル動作結果後半
のなかで、CNN 豪ドル/円予測についていろいろ説明してきました。
ここからは、これらをさくら VPS のなかに入れて動かしていきます。
CNN 豪ドル/円予測ファイルに関しては
CNN 豪ドル/円予測ファイル
のなかでまとめています。
これを改造して、さくら VPS CNN 豪ドル/円予測ファイル
keras-go-cnn.py
を作成していきます。

keras-go-cnn.ipynb ⇒ keras-go-cnn.py

colab の中で動作させた
CNN 豪ドル/円予測ファイル
keras-go-cnn.ipynb
を改造して、さくら VPS で動く
CNN 豪ドル/円予測ファイル keras-go-cnn.py
を作成します。 Colaboratory で作成した
keras-go-cnn.ipynb
は、さくら VPS の中では .ipynb のままでは動かないので、書式を変更します。
Colaboratory の中で keras-go-cnn.ipynb を開きます。
ファイル
⇒ダウンロ－ド
⇒ py をダウンロ－ド
と順にクリックし、私の場合は自分のパソコンの
c:\vb_public_html フォルダ
に keras-go-cnn.py として保存しました。

CNN 豪ドル/円予測ファイル修正

さくら VPS のなかで keras-go-cnn.py が動作するように改造します。

  1. Python3 ディレクトリ追記(1行目)

    最初に、　お決まりでファイルの文字コード宣言をしておきましょう。
    # -*- coding: utf-8 -*-
    次に、さくら VPS 内のどこに Python3 のあるディレクトリがあるか明記します。
    #!/usr/bin/python3
    次に info 情報が表示されないように
    os.environ['TF_CPP_MIN_LOG_LEVEL']='1'
    を追加します。
    さらには
    mplfinance モジュ－ルは
    /usr/local/lib/python3.8/dist-packages
    にインスト－ルされていますので、モジュ－ルパス追加は必要ありません。
    sys.path.append(
    '/content/drive/MyDrive/Colab Notebooks/my-modules'
    を削除します。

  2. CSV ファイルフォルダ変更(36行目)

    さくら VPS CNN 豪ドル/円予測ファイルを作成するにあたって 使用する豪ドル/円-日足データは
    マネパ CSV ダウンロードファイルまとめ
    でダウンロードした mane_chart_go.csv ファイルを利用します。
    このファイルは
    /home/yamada/public_html/manep/mane_chart_go.csv
    にあります。
    よって

    xl_df = pd.read_csv(
 "drive/MyDrive/Colab Notebooks/my_data/colab_mane_chart_go.csv",
  encoding="cp932")
　　　↓　　　↓
xl_df = pd.read_csv(
 "/home/yamada/public_html/manep/mane_chart_go.csv",
  encoding="cp932")

    とします。
    CSV ファイルの保存場所は絶対パスで表記する必要があります。

  3. コ－ルパックモデル保存場所変更(180行目)

    コ－ルパックによる最良モデルの保存場所を変更します。
    保存場所はフルパスで指示します。 

    "drive/MyDrive/Colab Notebooks/my_data/jena_dense_go_cnn.keras",
   　　↓     ↓
"/home/yamada/public_html/colab/jena_dense_go_cnn.keras",

    colab フォルダはあらかじめ作成しておいてください。

  4. 最良モデルの呼出(202行目)

    最良モデルの呼出ファイルの保存場所を変更します。 

    "drive/MyDrive/Colab Notebooks/my_data/jena_dense_go_cnn.keras"
   　　↓     ↓
"/home/yamada/public_html/colab/jena_dense_cnn.keras"
  5. 予測チャ－ト保存場所変更(310行目)

    でき上がった予測チャ－ト図の保存場所を変更します。
    保存場所はフルパスで指示します。 

    plt.savefig(
 'colab_mane_chart_go_cnn.png')
 　↓
plt.savefig(
 '/home/yamada/public_html/manep-img/colab_mane_chart_go_cnn.png')

    manep-img フォルダはあらかじめ作成しておいてください。

  6. 4時間×6本の予測値保存場所変更(325行目)

    24時間の予測値の保存場所を変更します。
    保存場所はフルパスで指示します。 

    df_concat.to_csv(
# 'colab_mane_chart_go_cnn.csv',
  '/home/yamada/public_html/manep-img/colab_mane_chart_go_cnn.csv',
   header=False, index=False)

CNN 豪ドル/円予測ファイルサイレント化

ここまでは、RNN 豪ドル/円予測Ⅱ最新ファイルの動作の途中経過がわかるように、状況表示を表示してきました。
これをサイレント化して実行するようにします。

  1. print(*****) 文コメント化

    途中にある
    print(*****) 文をすべてコメント化します。
    　　⇩
    # print(*****)

  2. 途中経過グラフ表示停止

    途中経過グラフ表示を止めます。
    80～81、207～211、247行目
    # plt.plot(**～**)
    # plt.show()

  3. verbose=0 追加

    history = model.fit(*～*)
    のなかにある
    # verbose=0,
    のコメントをはずします。
    verbose=0,
    これにより、進捗状況報告の
    Epoch 1/40
    3/3 [===] - 1s 323ms/step - loss: 0.7151 - mae: 0.7040 - val_loss: 0.2704 - val_mae: 0.4150
    のような報告が表示されないようになります。

  4. verbose=0 再追加

    verbose=0 は model.predict( )にも追加します。
    pre = model.predict(test_dataset)
    　⇩
    pre = model.predict(test_dataset, verbose=0)
    と
    batch_predict = model.predict(test_data_f)
    　⇩
    batch_predict = model.predict(test_data_f, verbose=0)

  5. デ－タセット表示削除

    130～165行目、 訓練デ－タセットと検証デ－タセットの表示は必要ありませんので削除します。


以上で変更作業は完了です。
ここまでで改造すべきところは列挙できましたので
引き続き CNN 豪ドル/円予測 PY ファイル keras-go-cnn.py をまとめます。


  • さくら VPS CNN 豪ドル/円予測ファイル に進む

    • 70VPS に戻る