Create CN_README.md

CN_README.md

@@ -0,0 +1,81 @@
+# 用于 MEXC 价格预测的自定义 Transformer 模型
+
+## 模型描述
+
+此模型是用于预测 MEXC 合约价格的自定义 Transformer 模型。它由一个嵌入层、后面是多个 Transformer 编码器层以及末尾的全连接层组成，以产生输出。
+
+## 模型架构
+
+- **输入维度：** 13
+- **模型维度：** 64
+- **头部数量：** 8
+- **层数：** 2
+- **输出维度：** 1
+
+## 训练数据
+
+该模型基于历史 MEXC 合约交易数据进行训练。特征包括开盘价、收盘价、最高价、最低价、交易量、金额、实际开盘价、实际收盘价、实际最高价、实际最低价和移动平均线。
+
+## 训练细节
+
+- **优化器**：Adam
+- **学习率**：0.001
+- **损失函数**：均方误差 (MSE)
+- **批次大小**：32
+- **周期数**：50
+
+## 用法
+
+要使用此模型进行预测，请按照以下步骤操作：
+
+1. 加载模型和配置：
+
+```python
+import torch
+import torch.nn as nn
+from transformers import AutoConfig
+
+class CustomTransformerModel(nn.Module):
+def __init__(self, config):
+super(CustomTransformerModel, self).__init__()
+self.embedding = nn.Linear(config.input_dim, config.model_dim)
+self.encoder_layer = nn.TransformerEncoderLayer(d_model=config.model_dim, nhead=config.num_heads, batch_first=True)
+self.transformer_encoder = nn.TransformerEncoder(self.encoder_layer, num_layers=config.num_layers)
+self.fc = nn.Linear(config.model_dim, config.output_dim)
+
+def forward(self, src):
+src = self.embedding(src)
+output = self.transformer_encoder(src)
+output = self.fc(output[:, -1, :])
+return output
+
+config = AutoConfig.from_pretrained("your-username/mexc_price_model", config_file_name="BTC_USDT.json")
+model = CustomTransformerModel(config)
+model.load_state_dict(torch.load("model_repo/mexc_price.pth"))
+model.eval()
+```
+
+2. 准备输入数据并进行预测：
+
+```python
+import numpy 作为 np
+从 sklearn.preprocessing 导入 StandardScaler
+
+new_data = np.array([
+[1.727087e+09, 63483.9, 63426.2, 63483.9, 63411.6, 1193897.0, 7.575486e+06, 63483.8, 63426.2, 63483.9, 63411.6, 0.00, 0.0, 0.0]
+])
+
+scaler = StandardScaler()
+new_data_scaled = scaler.fit_transform(new_data)
+input_tensor = torch.tensor(new_data_scaled, dtype=torch.float32).unsqueeze(1)
+
+使用 torch.no_grad():
+prediction = model(input_tensor)
+
+predicted_value = prediction.squeeze().item()
+print(f"预测值：{predicted_value}")
+```
+
+## 许可证
+
+此模型根据 [MIT 许可证](LICENSE) 获得许可。