盐城网站制作,重庆乐尚装饰工程有限公司,手机网站开发方式,永久不收费免费的软件app前言✨
说到机器学习#xff0c;大家可能都不陌生#xff0c;但是用C#来做机器学习#xff0c;可能很多人还第一次听说。其实在C#中基于ML.NET也是可以做机器学习的#xff0c;这种方式比较适合.NET程序员在项目中集成机器学习模型#xff0c;不太适合专门学习机器学习大家可能都不陌生但是用C#来做机器学习可能很多人还第一次听说。其实在C#中基于ML.NET也是可以做机器学习的这种方式比较适合.NET程序员在项目中集成机器学习模型不太适合专门学习机器学习本文我将基于ML.NET Model Builder低代码、入门简单构建一个猫狗识别实例并在.NET应用中集成它。
效果✨
效果如下所示 目录✨
ML.NET简介ML.NET Model Builder简介数据集准备添加机器学习模型选择方案选择训练环境添加数据训练评估模型在.NET应用中使用模型总结
ML.NET简介✨
ML.NET 是由 Microsoft 为 .NET 开发者平台创建的免费、开源、跨平台的机器学习框架。
ML.NET无需离开 .NET 生态系统便可以使用 C# 或 F# 创建自定义 ML 模型。
ML.NET 提供 Model Builder(简单的 UI 工具)和 ML.NET CLI使生成自定义 ML 模型变得非常容易。
ML.NET 被设计为一个可扩展平台因此可以使用其他流行的 ML 框架(TensorFlow、ONNX、Infer.NET 等)并访问更多机器学习场景如图像分类、物体检测等。 ML.NET Model Builder简介✨
Model Builder 提供易于理解的可视界面用于在 Visual Studio 内生成、训练和部署自定义机器学习模型。无需先前的机器学习专业知识。
Model Builder 支持 AutoML它会自动探索不同的机器学习算法和设置以帮助找到最适合方案的算法和设置。
Model Builder 的当前预览版可用于 csv 文件、tsv 文件以及 SQL Server 数据库。
Model Builder 可生成经过训练的模型以及加载模型和开始进行预测所需的代码。
Model Builder 为你提供计算机上所需的一切功能。不需要连接到云资源或其他服务即可生成和使用模型。
Model Builder 是一个 Visual Studio 扩展便于你在已知的开发环境中继续工作。
Model Builder 可用于在 Visual Studio 中开发的任何 .NET 应用。 数据集准备✨
本文使用的数据集来源于kaggle共包含25000张JPEG数据集照片其中猫和狗的照片各占12500张。
下载地址https://www.kaggle.com/c/dogs-vs-cats/data
将压缩包解压有test1.zip与train.zip再分别解压得到test1与train文件夹 在train文件夹中各有12500张猫的图片和狗的图片本示例不用那么多的图片分别选取2500张的猫和狗的图片。
添加机器学习模型✨
右键解决方案新建一个类库命名为IdentifyDogsAndCats 右键该类库添加机器学习模型 命名为IdentifyDogsAndCats.mbconfig然后会跳出如下界面 选择方案✨
本文中的猫狗识别属于计算机视觉中的图像分类因此选择该方案 选择训练环境✨
本文只是示例选择本地(CPU) 添加数据✨
添加数据需要选择一个文件夹文件夹的结构示例如右侧所示 像右侧所示这样组织文件 先创建一个名为猫狗图片的文件夹然后在里面再分别添加一个命名为狗和猫的文件夹在里面各添加2500张图片。
在狗文件夹中添加狗的图片 在猫文件夹中添加猫的图片 训练模型✨
开始训练 需要等待一定的时间。
训练完成 评估模型✨ 在.NET应用中使用模型✨
训练完成后在解决方案的mbconfig下生成了三个文件 IdentifyDogsAndCats.consumption.cs: 此文件包含模型输入和输出类以及可用于模型消耗的 Predict 方法。
IdentifyDogsAndCats.mlnet: 该文件是经过训练的 ML.NET 模型它是一个序列化的 zip 文件。
IdentifyDogsAndCats.training.cs: 此文件包含用于了解输入列对模型预测的重要性的代码。
在应用台程序中集成该模型✨
创建一个控制台应用 添加项目依赖
右键TestModel选择“添加项目引用”。 选择包含模型的类库 将Program.cs中的代码替换为如下代码
using Model IdentifyDogsAndCats;
namespace TestModel
{internal class Program{static void Main(string[] args){//Load sample datavar imageBytes File.ReadAllBytes(D:\学习路线\C#\ML.NET\IdentifyDogsAndCats\test1\21.jpg);Model.IdentifyDogsAndCats.ModelInput sampleData new(){ImageSource imageBytes,};//Load model and predict outputvar result Model.IdentifyDogsAndCats.Predict(sampleData);//输出结果Console.WriteLine(result.PredictedLabel);}}开始运行 查看这张图片 在winform中集成该模型✨
添加一个winform项目右键添加项目引用 为了便于演示设计页面如下 Form1.cs中代码如下
namespace WinFormsApp1
{public partial class Form1 : Form{string selectedImagePath;public Form1(){InitializeComponent();}private void button1_Click(object sender, EventArgs e){OpenFileDialog openFileDialog new OpenFileDialog();// 设置对话框的标题openFileDialog.Title 选择图片文件;// 设置对话框初始目录openFileDialog.InitialDirectory D:\学习路线\C#\ML.NET\IdentifyDogsAndCats\test1;// 设置对话框允许选择的文件类型openFileDialog.Filter 图片文件|*.jpg;*.jpeg;*.png;*.gif;*.bmp|所有文件|*.*;// 如果用户点击了“确定”按钮if (openFileDialog.ShowDialog() DialogResult.OK){// 获取选择的文件路径selectedImagePath openFileDialog.FileName;// 在这里可以使用selectedImagePath进行后续操作比如显示图片到窗体上pictureBox1.Image new Bitmap(selectedImagePath);}}private void button2_Click(object sender, EventArgs e){//Load sample datavar imageBytes File.ReadAllBytes(selectedImagePath);IdentifyDogsAndCats.IdentifyDogsAndCats.ModelInput sampleData new(){ImageSource imageBytes,};//Load model and predict outputvar result IdentifyDogsAndCats.IdentifyDogsAndCats.Predict(sampleData);//提示识别是否完成MessageBox.Show($识别已完成识别结果为{result.PredictedLabel});//将结果显示在label1上label1.Text result.PredictedLabel;}private void Form1_Load(object sender, EventArgs e){}}
}
运行效果如下所示 可见第一次识别确实久一点但是后面识别挺快的。
运行效果截图 总结✨
本文先是简单介绍了ML.NET与ML.NET Model Builder其次基于ML.NET Model Builder构建了一个猫狗识别的机器学习模型实例最后在.NET项目中集成了它。
总体流程图如下所示 希望对你有所帮助。
