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模型评分相匹配，以转换为ML.Net。 这项功能可在ML.Net实验中使用Google TensorFlow深度学习和机器学习工具包中的现有模型。

[ TensorFlow机器学习入门 。 • TensorFlow评论：最好的深度学习库变得更好 。 •查看最新版本的TensorFlow中的新增功能 。 | 通过InfoWorld的App Dev Report新闻通讯了解编程方面的热门话题。 ]

ML.Net 0.5的新功能

0.5版开始使用TensorFlow Transform类添加对深度学习的支持， 该类可以采用现有的TensorFlow模型，并将该模型中的分数获取到ML.Net中。 使用此TensorFlow评分功能的用户无需了解TensorFlow内部详细信息。 转换基于TensorFlowSharp .Net绑定中的代码。

为了使用此功能，开发人员向.Net Core和.Net Framework应用程序添加了对ML.Net NuGet包的引用。 ML.Net引用了本机TensorFlow库，该库使开发人员可以编写代码来加载现有训练有素的TensorFlow模型进行评分。

ML.Net的计划功能

在未来的ML.Net版本中，Microsoft计划启用TensorFlow模型的预期输入和输出的标识。 当前，建议开发人员使用TensorFlow API或Netron之类的工具来探索TensorFlow模型。

微软还将更新ML.Net API，以提高灵活性，以克服现在在ML.Net中使用TensorFlow的局限性。 借助计划中的API，可以直接访问TensorFlow模型得分，因此开发人员可以使用TensorFlow模型进行得分，而无需添加其他学习者及其训练过程。

目前，ML.Net出现了TensorFlow，但计划进行可能的深度学习库集成。 这些可能包括Torch和CNTK 。

微软还正在开发新的ML.Net API，以提高灵活性和易用性。 当该API已准备就绪时，公司将弃用当前的API， LearningPipeline 。 因为这将是一个重大更改，所以Microsoft共享有关多个API选项的建议。 新API的设计原则包括：

• 将并行术语与Scikit-Learn ，TensorFlow和Spark等其他知名框架结合使用。 Microsoft将尝试在命名和概念上保持一致，以使开发人员更容易理解ML.Net Core。
• 简单明了的ML场景。
• 当前的LearningPipeline API无法启用高级ML方案。

新的API将被强类型化并且更加灵活。 它基于诸如Estimators ， Transforms和DataView类的概念。

哪里可以下载ML.Net

要下载ML.Net ，必须首先安装.Net SDK和ML.Net软件包。 准则可以在.Net网站上找到。

From: https://www.infoworld.com/article/3306201/microsofts-mlnet-framework-adds-tensorflow-scoring.html