译 | 宣布ML.NET 1.2 及模型生成器更新(用于 .NET 的机器学习)
原文:Cesar De la Torre
翻译:Edi Wang
我们很高兴地宣布ML.NET 1.2 和模型生成器和 CLI 的更新。ML.NET是 .NET 开发人员的开源和跨平台机器学习框架。ML.NET还包括模型生成器(Visual Studio 的简单 UI 工具)和ML.NET CLI(命令行界面),以便使用自动机器学习 (AutoML) 构建自定义机器学习 (ML) 模型变得超级简单。
使用ML.NET,开发人员可以利用其现有工具和技能集,通过为情绪分析、价格预测、图像分类等常见方案创建自定义机器学习模型来开发和将自定义 ML 注入到应用程序中以及更多操作!
以下是此更新中的一些主要亮点:
ML.NET 更新
ML.NET 1.2 是一个向后兼容的版本,没有重大更改,因此请更新以获取最新的更改。
用于预测和异常检测的TimeSeries支持的正式发布
开发人员可以使用 Microsoft.ML.TimeSeries 包处理许多方案,例如:使用异常检测模型检测产品销售中的峰值和变化,或创建可能受季节性和其他时间相关上下文影响的销售预测。
通过这些示例了解更多信息。
https://github.com/dotnet/machinelearning/tree/master/docs/samples/Microsoft.ML.Samples/Dynamic/Transforms/TimeSeries
用于 TensorFlow 和 ONNX 模型的ML.NET包正式发布
ML.NET被设计为可扩展的平台,因此您可以使用其他流行的 ML 模型,如 TensorFlow 和 ONNX 模型,并可以访问更多的机器学习和深度学习方案,如图像分类、对象检测等。
通过以下代码示例了解 Microsoft.ML.OnnxTransformer 和 Microsoft.ML.TensorFlow 以及端到端ML.NET计算机视觉示例应用:
Image Classification ASP.NET Core web app
https://github.com/dotnet/machinelearning-samples/tree/master/samples/csharp/end-to-end-apps/DeepLearning_ImageClassification_TensorFlow
Object Detection ASP.NET Core web app
https://github.com/dotnet/machinelearning-samples/tree/master/samples/csharp/end-to-end-apps/DeepLearning_ObjectDetection_Onnx
通过Microsoft.Extensions.ML集成包(预览版)轻松将ML.NET模型集成到 Web 或无服务器应用中
此程序包使集成加载ML.NET模型以在ASP.NET应用、Azure Function 和 Web 服务中评分变得更加容易。具体而言,该包允许开发人员使用Microsoft.Extensions.ML使用依赖项注入加载ML.NET模型,并在多线程环境(如 ASP.NET Core 应用)中优化模型的执行和性能。在此处了解更多信息。
https://github.com/dotnet/machinelearning-samples/tree/master/samples/csharp/end-to-end-apps/ScalableMLModelOnWebAPI-IntegrationPkg
MLNet CLI 更新为 0.14(预览)
您可以使用ML.NET CLI 自动生成ML.NET模型和基础 C# 代码。您可以在任何命令提示符(Windows、Mac 或 Linux)上运行ML.NET CLI。
您只需提供自己的数据集并选择要实现的机器学习任务(如分类或回归),CLI 使用 AutoML 引擎创建模型生成和部署源代码以及二进制模型。
CLI 更新为 0.14,用于处理客户反馈问题。
在此处了解有关 CLI 的更多详细信息:
如何使用ML.NET CLI
https://docs.microsoft.com/en-us/dotnet/machine-learning/automate-training-with-cli
CLI 更新 0.14
https://github.com/dotnet/machinelearning/pull/3725
模型生成器更新
ML.NET模型生成器提供了一个易于理解的可视化界面,用于构建、训练和部署自定义机器学习模型。
扩展对 .txt 文件和更多值分隔符的支持
用户现在可以使用 .txt 文件来训练模型。在初始预览中,模型生成器仅支持 .csv 和 .tsv 文件。值可以由以下分隔符分隔:空格、逗号、制表符和分号。
训练数据大小没有限制!
根据流行的请求,我们删除了对训练数据大小的 1GB 限制。开发人员现在可以上载任何大小的文件。
大型数据集训练时间的智能默认值
默认训练时间现在根据数据的大小进行设置。曾经这个值是10秒。这将允许模型生成器在这段时间内找到至少 1 个模型。
详细了解您应该训练多长时间?
https://github.com/dotnet/machinelearning-samples/blob/master/modelbuilder/readme.md#Train
改善模型使用体验
在模型构建过程结束时的代码生成步骤中,模型生成器现在还添加了ML.NET 1.2 NuGet 包。
更新至 ML.NET 1.2
模型生成器使用最新版本的ML.NET生成的代码将引用 1.2。在早期的预览版中,它使用ML.NET 1.0。
解决客户反馈的问题
此版本中修复了许多问题。在发行说明中了解更多信息。
https://github.com/dotnet/machinelearning-modelbuilder/releases
想要上生产环境 - 填写此表格
http://survey.usabilla.com/live/s/5c87fbc101634d1357359f7b
如果您在应用中使用ML.NET并打算投入生产,则可以与ML.NET团队的工程师交谈。
立即试用ML.NET和模型生成器!
从这里开始上手 ML.NET。
https://www.microsoft.com/net/learn/apps/machine-learning-and-ai/ml-dotnet/get-started
在此处开始上手模型生成器。
https://aka.ms/modelbuilder
总结
我们很高兴为您发布这些更新,我们期待看到您将使用ML.NET构建的内容。如果您有任何问题或反馈,您可以在这里询问他们ML.NET和模型生成器。
https://github.com/dotnet/machinelearning/issues
https://aka.ms/modelbuilderissues
你的朋友 @ML.NET
译 | 宣布ML.NET 1.2 及模型生成器更新(用于 .NET 的机器学习)相关推荐
- [译] APT分析报告:09.伊朗APT34更新武器库——SideTwist变体
这是作者新开的一个专栏,主要翻译国外知名安全厂商的APT报告,了解它们的安全技术,学习它们溯源APT组织和恶意代码分析的方法,希望对您有所帮助.当然,由于作者英语有限,会借助机翻进行校验,还请包涵!前 ...
- ML.NET 发布0.11版本:.NET中的机器学习,具有TensorFlow和ONNX的新功能
微软发布了其最新版本的机器学习框架:ML.NET 0.11带来了新功能和突破性变化. ML.NET 0.11发布:.NET中的机器学习,具有TensorFlow和ONNX的新功能 ML.NET 0.1 ...
- 1.1 为什么需要 ML 策略-深度学习第三课《结构化机器学习项目》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.12 总结 回到目录 1.2 正交化 为什么需要ML策略 (Why ML strategy?) 大家好,欢迎收听本课,如何构建你的机器学习项目也就是说机器学习的策略.我希 ...
- java ML回归预测_ML之回归预测:利用九大类机器学习算法对无人驾驶汽车系统参数(2018年的data,18+2)进行回归预测值VS真实值...
ML之回归预测:利用九大类机器学习算法对无人驾驶汽车系统参数(2018年的data,18+2)进行回归预测值VS真实值 目录 输出结果 数据的初步查验:输出回归目标值的差异 The max targe ...
- ML.NET 发布0.11版本:.NET中的机器学习,为TensorFlow和ONNX添加了新功能
微软发布了其最新版本的机器学习框架:ML.NET 0.11带来了新功能和突破性变化. 新版本的机器学习开源框架为TensorFlow和ONNX添加了新功能,但也包括一些重大变化, 这也是发布RC版本之 ...
- ML.NET 1.0 发布,单击右键即可添加机器学习模型
ML.NET 1.0 终于发布了.ML.NET 是一个跨平台的机器学习框架,旨在让 .NET 开发者更快上手机器学习,它允许 .NET 开发者开发他们自己的模型,并将自定义 ML 注入到应用程序中. ...
- ML笔记 00:机器学习类型 深度学习和传统机器学习的区别
人工智能的核心是机器学习.机器学习是一门专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能的学科.机器学习涉及了很多的大学数学知识:概率论与 ...
- 读《高效ML:理论,算法及实践》:(1) 机器学习基本概念
切主题,咱们直接看定义. Defination: 机器学习研究的是如何赋予计算机没有被明确编程的情况下仍能够学习的能力.(Samuel 1959) 如果一个计算机程序在任务集T中性能度量为p,且性能随 ...
- 在WebRTC上实现ML Kit笑容检测
本文来自Houseparty的WebRTC视频专家Gustavo Garcia Bernardo和TokBox的WebRTC移动端专家Roberto Perez,他们通过Google的ML Kit在W ...
最新文章
- SQLMap安装步骤
- MySQL探秘(七):InnoDB行锁算法
- jzoj 6302. 提高组
- .NET平台依赖注入机制及IoC的设计与实现
- Linux_基础_软件包管理
- 移动端页面制作字号大小设定问题,设计稿文字字号规范,解决移动端大小屏适配问题
- ORACLE 制定时间 加N月
- python执行js脚本安全吗_手把手教你如何使用Python执行js代码
- jQuery EasyUI快速入门01
- 05_grep-搜索
- 剑指Offer 09.用两个栈实现队列(LIFO与FIFO)
- 华硕天选2和华硕天选3哪个好 华硕天选2和华硕天选3区别
- 远古的化石--美丽胡杨林
- TP框架自带Http类实现下载文件(单一文件)
- Dell intel i5 1135笔记本 ubuntu18.04无法调节屏幕亮度
- 【DirectX 12】在Win10 10074上开启DirectX 12的调试功能
- Android多线程实现方式及并发与同步,架构师必备技能
- 2019 年度个人深度总结
- 国家涉及身份安全新规解读 | 《关键信息基础设施安全保护要求》
- 联通MM7彩信平台技术
热门文章
- xp删除管理员账户_在Windows XP中从登录屏幕删除用户帐户
- windows安装程序创建_如何在Windows上创建已安装程序的列表
- 新手AS常见问题集锦
- Vim的NerdTree插件
- python:继承日志模块生成自定义日志
- Linux性能优化2.1 CPU性能统计信息
- C# 多个异步方法的异常处理
- 想说爱你不容易 | 使用最小 WEB API 实现文件上传
- NET问答: 如何给 ASP.NET Core 配置指定端口 ?
- 全网最通透的“闭包”认知 · 跨越语言