使用C#编写TensorFlow人工智能应用_tenserflow c#

TensorFlow简单介绍

TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow的表现比第一代的DistBelief快了2倍。

TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用TensorFlow。任何基于梯度的机器学习算法都能够受益于TensorFlow的自动分化（auto-differentiation）。通过灵活的Python接口，要在TensorFlow中表达想法也会很容易。

TensorFlow 对于实际的产品也是很有意义的。将思路从桌面GPU训练无缝搬迁到手机中运行。

示例Python代码：

import tensorflow as tf
import numpy as np
 
# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3
 
# Try to find values for W and b that compute y_data = W * x_data + b
# (We know that W should be 0.1 and b 0.3, but TensorFlow will
# figure that out for us.)
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b
 
# Minimize the mean squared errors.
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
 
# Before starting, initialize the variables.  We will 'run' this first.
init = tf.global_variables_initializer()
 
# Launch the graph.
sess = tf.Session()
sess.run(init)
 
# Fit the line.
for step in range(201):
    sess.run(train)
    if step % 20 == 0:
        print(step, sess.run(W), sess.run(b))
 
# Learns best fit is W: [0.1], b: [0.3]

使用TensorFlowSharp 
GitHub:https://github.com/migueldeicaza/TensorFlowSharp

官方源码库，该项目支持跨平台，使用Mono。

可以使用NuGet 安装TensorFlowSharp，如下：

Install-Package TensorFlowSharp
 

编写简单应用
使用VS2017新建一个.NET Framework 控制台应用 tensorflowdemo，接着添加TensorFlowSharp 引用。

TensorFlowSharp 包比较大，需要耐心等待。

然后在项目属性中生成->平台目标 改为 x64。

打开Program.cs 写入如下代码：

       

运行程序结果如下：

TensorFlow C# image recognition
图像识别示例体验

https://github.com/migueldeicaza/TensorFlowSharp/tree/master/Examples/ExampleInceptionInference

下面学习一个实际的人工智能应用，是非常简单的一个示例，图像识别。

新建一个 imagerecognition .NET Framework 控制台应用项目，接着添加TensorFlowSharp 引用。

然后在项目属性中生成->平台目标 改为 x64。

接着编写如下代码：

 static void Main(string[] args)
        {
            using (var session = new TFSession())
            {
                var graph = session.Graph;
                Console.WriteLine(TFCore.Version);
                var a = graph.Const(2);
                var b = graph.Const(3);
                Console.WriteLine("a=2 b=3");
 
                // 两常量加
                var addingResults = session.GetRunner().Run(graph.Add(a, b));
                var addingResultValue = addingResults[0].GetValue();
                Console.WriteLine("a+b={0}", addingResultValue);
 
                // 两常量乘
                var multiplyResults = session.GetRunner().Run(graph.Mul(a, b));
                var multiplyResultValue = multiplyResults[0].GetValue();
                Console.WriteLine("a*b={0}", multiplyResultValue);
                var tft = new TFTensor(Encoding.UTF8.GetBytes($"Hello TensorFlow Version {TFCore.Version}! LineZero"));
                var hello = graph.Const(tft);
                var helloResults = session.GetRunner().Run(hello);
                Console.WriteLine(Encoding.UTF8.GetString((byte[])helloResults[0].GetValue()));
            }
            Console.ReadKey();
        }        

 View Code

这里需要注意的是由于需要下载初始Graph和标签，而且是google的站点，所以得使用一些特殊手段。

最终我随便下载了几张图放到bin\Debug\img

 然后运行程序，首先确保bin\Debug\tmp文件夹下有tensorflow_inception_graph.pb及imagenet_comp_graph_label_strings.txt。

 
————————————————
版权声明：本文为CSDN博主「人工智能AI技术」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/jiangjunshow/article/details/100849307