微软在model更新了开源机器学习框架，其Beta版本为0.5，TensorFlow模型评分为model的改造。该功能允许在model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版本开始加入对深度学习的支持。使用TensorFlow变换类，可以采用现有的TensorFlow模型，并将该模型的分数输入到ML.Net中。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TensorFlowSharp的代码。净绑定。
要使用此功能，开发人员需要将对ML.Net nu get包的引用添加到。网芯和。Net框架应用程序。ML.Net参考了原生TensorFlow库，该库允许开发人员编写代码来加载现有的训练TensorFlow模型进行评分。
ML。Net的规划功能
在ML.Net的未来版本中，微软计划确定TensorFlow模型的预期输入和输出。目前建议开发者使用TensorFlow API或Netron等工具探索TensorFlow模型。
微软还将更新ML.Net API，以提高灵活性并克服在ML.Net使用TensorFlow的限制。通过计划中的API，可以直接访问TensorFlow模型分数，因此开发者可以使用TensorFlow模型进行评分，而无需增加额外的学习者及其训练过程。
目前，ML.Net面临TensorFlow，但该计划要求可能集成深度学习库。其中可能包括Torch和CNTK。
微软也在开发新的ML.Net API，以提高灵活性和易用性。当API被认为准备就绪时，该公司将放弃当前的API learning pipeline。因为这将是一个重大的变化，微软正在分享多个API选项的提议。新的API设计原则包括：
将并行术语与Scikit-Learn、TensorFlow和Spark等其他知名框架相结合。微软将努力在命名和概念上保持一致，以便开发者更容易理解ML.Net核心。
简单明了的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，更加灵活。它基于估算器、转换和数据视图等概念。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！