微軟的ML.Net框架增加了TensorFlow評(píng)分

微軟已經(jīng)更新了其ML.Net開源機(jī)器學(xué)習(xí)框架，將其Beta版本0.5與TensorFlow模型評(píng)分作為ML.Net的轉(zhuǎn)換。此功能允許 在ML.Net實(shí)驗(yàn)中使用來自Google的TensorFlow深度學(xué)習(xí)和機(jī)器學(xué)習(xí)工具包的現(xiàn)有模型。

0.5版開始添加對(duì)深度學(xué)習(xí)的支持，使用TensorFlow Transform類，它可以采用現(xiàn)有的TensorFlow模型，并將該模型的分?jǐn)?shù)輸入ML.Net。TensorFlow評(píng)分功能的用戶不需要了解TensorFlow內(nèi)部細(xì)節(jié)的工作知識(shí)。轉(zhuǎn)換基于TensorFlowSharp .Net綁定的代碼。

要使用此功能，開發(fā)人員將對(duì)ML.Net NuGet包的引用添加到.Net Core和.Net Framework應(yīng)用程序。ML.Net引用了本機(jī)TensorFlow庫，它允許開發(fā)人員編寫加載現(xiàn)有訓(xùn)練TensorFlow模型的代碼進(jìn)行評(píng)分。

ML.Net的計(jì)劃功能

在未來的ML.Net版本中，Microsoft計(jì)劃確定TensorFlow模型的預(yù)期輸入和輸出。目前，建議開發(fā)人員使用TensorFlow API或Netron等工具來探索TensorFlow模型。

微軟還將更新ML.Net API以提高靈活性，克服現(xiàn)在在ML.Net中使用TensorFlow的限制。通過計(jì)劃的API，TensorFlow模型得分可以直接訪問，因此開發(fā)人員可以使用TensorFlow模型進(jìn)行評(píng)分，而無需添加額外的學(xué)習(xí)者及其訓(xùn)練過程。

目前，ML.Net面向TensorFlow，但計(jì)劃要求可能的深度學(xué)習(xí)庫集成。這些可能包括Torch和CNTK。

微軟還在開發(fā)一種新的ML.Net API，以提高靈活性和易用性。當(dāng)API被認(rèn)為準(zhǔn)備就緒時(shí)，公司將棄用當(dāng)前的API , LearningPipeline. 因?yàn)檫@將是一個(gè)重大變化，Microsoft正在分享多個(gè)API選項(xiàng)的提案。新API的設(shè)計(jì)原則包括：

將并行術(shù)語與其他眾所周知的框架(如Scikit-Learn，TensorFlow和Spark)結(jié)合使用。Microsoft將嘗試在命名和概念方面保持一致，以便開發(fā)人員更容易理解ML.Net Core。

簡(jiǎn)潔明了的ML場(chǎng)景。

啟用當(dāng)前LearningPipelineAPI 無法實(shí)現(xiàn)的高級(jí)ML方案。

新的API將是強(qiáng)類型的，并且更加靈活。它是基于概念，如Estimators，Transforms和DataView。