江西建设厅网站查询施工员,扬州网络品牌营销推广,网站策划书结尾,黄冈网站建设公司原文#xff1a;Cesar De la Torre翻译#xff1a;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… 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 apphttps://github.com/dotnet/machinelearning-samples/tree/master/samples/csharp/end-to-end-apps/DeepLearning_ImageClassification_TensorFlowObject Detection ASP.NET Core web apphttps://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-IntegrationPkgMLNet 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 CLIhttps://docs.microsoft.com/en-us/dotnet/machine-learning/automate-training-with-cliCLI 更新 0.14https://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/issueshttps://aka.ms/modelbuilderissues你的朋友 ML.NET
