科技推荐:微软的ML.Net框架增加了TensorFlow评分

2021-06-10 01:46:33

科技改变生活,也在一定的程度上科改善生活!那么现如今生活条件越来越好以后大家更多的关注点都不同,但是近来有很大一部分了却同时关注到了微软的ML.Net框架增加了TensorFlow评分的消息!

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。此功能同意 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。

0.5版开始添加对深度学习的支持,使用TensorFlow Transform类,它可以采纳现有的TensorFlow模型,并将该模型的分数输入ML.Net。TensorFlow评分功能的用户不需要了解TensorFlow内部细节的工作知识。转换基于TensorFlowSharp .Net绑定的代码。

要使用此功能,开辟人员将对ML.Net NuGet包的引用添加到.Net Core和.Net Framework应用程序。ML.Net引用了本机TensorFlow库,它同意 开辟人员编写加载现有训练TensorFlow模型的代码进行评分。

ML.Net的计划功能

在未来的ML.Net版本中,Microsoft计划确定TensorFlow模型的预期输入和输出。目前,建议开辟人员使用TensorFlow API或Netron等工具来探究TensorFlow模型。

微软还将更新ML.Net API以提高灵便性,克服现在在ML.Net中使用TensorFlow的限制。通过计划的API,TensorFlow模型得分可以直接访问,因此开辟人员可以使用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。

微软还在开辟一种新的ML.Net API,以提高灵便性和易用性。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。Microsoft将尝试在命名和概念方面保持一致,以便开辟人员更容易理解ML.Net Core。

简洁明了的ML场景。

启用当前LearningPipelineAPI 无法实现的高级ML方案。

新的API将是强类型的,并且更加灵便。它是基于概念,如Estimators,Transforms和DataView。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。