さくら VPS CNN 豪ドル/円予測
さくら VPS CNN 豪ドル/円４時間足予測概要
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４時間足予測ファイルに関しては
CNN 豪ドル/円４時間足予測ファイル
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４時間足予測ファイル
keras-go-cnn-4h.py
を作成していきます。
keras-go-cnn-4h.ipynb ⇒ keras-go-cnn-4h.py
colab の中で動作させた
CNN 豪ドル/円４時間足予測ファイル
keras-go-cnn-4h.ipynb
を改造して、さくら VPS で動く
CNN 豪ドル/円４時間足予測ファイル keras-go-cnn-4h.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-4h.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-4h.py として保存しました。
CNN 豪ドル/円４時間足予測ファイル修正
さくら VPS のなかで keras-go-cnn-4h.py が動作するように改造します。
- 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
import os
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。 - CSV ファイルフォルダ変更(58行目)
さくら VPS CNN 豪ドル/円４時間足予測ファイルを作成するにあたって 使用する豪ドル/円-４時間足データは
/home/yamada/public_html/manep_4h/mane_chart_go_4h.csv
にあります。
豪ドル/円-４時間足データの取得方法は
Money Partners サイト ４時間足デ－タ取得
～
マネパ ４時間足 CSV ダウンロードファイル作成
を参照してください。
よって 下記のように変更します。
xl_df = pd.read_csv( "drive/MyDrive/Colab Notebooks/my_data/colab_mane_chart_go_4h.csv", encoding="cp932") ↓ ↓ xl_df = pd.read_csv( "/home/yamada/public_html/manep_4h/mane_chart_go_4h.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。
- コ－ルパックモデル保存場所変更(170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_4h.keras", ↓ ↓ "/home/yamada/public_html/colab/jena_dense_go_cnn_4h.keras",
colab フォルダはあらかじめ作成しておいてください。
- 最良モデルの呼出(190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_4h.keras" ↓ ↓ "/home/yamada/public_html/colab/jena_dense_go_cnn_4h.keras"
- 予測チャ－ト保存場所変更(295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_4h.png')
manep-img フォルダはあらかじめ作成しておいてください。
- 4時間×6本の予測値保存場所変更(306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_4h.csv', '/home/yamada/public_html/manep-img/colab_mane_chart_go_cnn_4h.csv', header=False, index=False)
CNN 豪ドル/円４時間足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。
- 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(*****) - 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。
66～67、185～190、236～239行目
# plt.plot(**～**)
# plt.show() - 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。 - 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) - デ－タセット表示削除
113～132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４時間足予測 PY ファイル keras-go-cnn-4h.py
をまとめます。