微软的ML.Net框架增加了TensorFlow评分

微软已经更新了其ML.Net开源机器学习框架,将其Beta版本0.5与TensorFlow模型评分作为ML.Net的转换。此功能允许在ML.Net实验中使用来自Google的TensorFlow深度学习和机器学习工具包的现有模型。[开始使用TensorFlow机器学习。 •TensorFlow评论:最好的深度学习库变得更好。 •查看最新版TensorFlow中的新功能。 |使用InfoWorld的App Dev Report时事通讯了解编程中的热门话题。 ML.Net中的新功能0.5Version 0.5开始添加对深度学习的支持,使用TensorFlow Transform类,它可以采用现有的TensorFlow模型,并从该模型获得分数到ML.Net。具有此TensorFlow评分功能的用户不需要TensorFlow内部细节的工作知识。转换基于来自TensorFlowSharp .Net绑定的代码。要使用此功能,开发人员将对ML.Net NuGet包的引用添加到.Net Core和.Net Framework应用程序。 ML.Net引用了原生TensorFlow库,它允许开发人员编写加载现有训练TensorFlow模型的代码进行评分。ML.Net的未来ML.Net版本的计划功能,Microsoft计划实现TensorFlow模型的预期输入和输出的识别。目前,建议开发人员使用TensorFlow API或Netron等工具来探索TensorFlow模型.Microsoft还将更新ML.Net API以提高灵活性,以克服现在在ML.Net中使用TensorFlow的限制。使用计划的API,TensorFlow模型得分可以直接访问,因此开发人员可以使用TensorFlow模型进行评分,而无需添加额外的学习者及其训练过程。目前,ML.Net面向TensorFlow,但计划要求可能的深度学习库集成。这些可能包括Torch和CNTK。微软还在开发一种新的ML.Net API,以提高灵活性和易用性。当API被认为准备就绪时,公司将弃用当前的API,LearningPipeline。因为这将是一个重大变化,Microsoft正在分享多个API选项的提案。新API的设计原则包括:将并行术语与其他众所周知的框架(如Scikit-Learn,TensorFlow和Spark)结合使用。微软将尝试在命名和概念方面保持一致让开发人员更容易理解ML.Net Core.Simple和简洁的ML场景。启用当前LearningPipeline API无法实现的高级ML场景。新的API将是强类型的,并且更加灵活。它基于Estimators,Transforms和DataView等概念。在哪里下载ML.NetTo下载ML.Net,你必须先安装.Net SDK和ML.Net包。指南可以在.Net网站上找到。这个故事,“微软的ML.Net框架增加TensorFlow评分”最初由InfoWorld发布。

Tags:

Add a Comment

电子邮件地址不会被公开。 必填项已用*标注