当前位置:首页 > 新闻中心

ML.NET 1.4 发布,跨平台机器学习框架

发布时间: 2021-05-10   来源: 真人app  
本文摘要:真人app,真人手机app,,它包含ModelBuilder和CLIcmd插口,让应用自动机器学习培训AutoML搭建自定深度学习模型越来越更非常容易。

,它包含ModelBuilder和CLIcmd插口,让应用自动机器学习培训AutoML搭建自定深度学习模型越来越更非常容易。1.4版本早已公布了,下列是此次升级的一些闪光点:根据GPU适用的深层神经元网络图像分类GA在.NET中完成详细的DNN模型再次训炼和传送学习培训。比如,你能根据应用自身的图象从ML.NETAPI中当地培训TensorFlow模型来建立自身的自定图像分类模型。

真人app

ML.NET的优势是应用了一个比较简单的高級API,只需应用两行C代码就可以界定和训炼图像分类模型。而在应用低等级Tensorflow.NET库时,同样的实际操作则必须百余行代码。Tensorflow.NET库是一个开源系统的低等级API库,该库是开源系统SciSharp局部变量库的一部分,它为TensorFlow出示.NET规范关联。下边的局部变量图表明了ML.NET是怎样在DNN培训中完成这种新特点的:图像分类作用最开始是在v1.4预览版中引进的,在GA版本中加上了一下新作用:在Windows和Linux上适用GPU,GPU适用是根据NVIDIACUDA运行内存图象预测分析:用运行内存中的图象而不是文件路径来做预测分析当达到最佳精密度时,它将终止训炼,而且不容易伴随着大量的训炼周期时间EIPCHS而进一步提高在图像分类器中加上别的适用的DNN系统架构:InceptionV3、ResNetV2101、ResnetV250和MobilenetV2下边的API代码实例展现了怎样轻轻松松地训炼一个新的TensorFlow模型://Definemodel'spipelinewithImageClassificationdefaultssimplestwayvarpipeline=.ImageClassificationfeatureColumnName:"Image",labelColumnName:"LabelAsKey",validationSet:testDataView.Append.MapKeyToValueoutputColumnName:"PredictedLabel",inputColumnName:"PredictedLabel";//TrainthemodelITransformertrainedModel=pipeline.FittrainDataView;DatabaseLoaderGA数据库加载器容许将数据库中的数据加载到IDataView中,因而能够立即对于关联数据库开展模型培训。

真人手机app

.Data适用的一切关联数据库出示程序流程,这代表着能够应用一切RDBMS,如SQLServer、AzureSQL、Oracle、SQLite、PostgreSQL、MySQL、Advanced等。这一新的DatabaseLoader出示更为简单化的代码完成,因为它从数据库获取数据并根据IDataView给出的数据的方法是由ML.NET架构出示的,因此只必须特定数据库联接字符串数组、DataSet列的SQL句子及其载入数据信息时要应用的数据信息类。下边是实例代码,表明怎样轻轻松松地配备代码,便于将数据信息立即从关联数据库载入到IDataView中://LinesofcodeforloadingdatafromadatabaseintoanIDataViewforalatermodeltraining//...stringconnectionString="DataSource=YOUR_SERVER;InitialCatalog=YOUR_DATABASE;IntegratedSecurity=True";stringcommandText="SELECT*fromSentimentDataset";DatabaseLoaderloader=;DbProviderFactoryproviderFactory=DbProviderFactories.GetFactory"";DatabaseSourcedbSource=newDatabaseSourceproviderFactory,connectionString,commandText;IDataViewtrainingDataView=loader.LoaddbSource;//ML.NETmodeltrainingcodeusingthetrainingIDataView//...publicclassSentimentData{publicstringFeedbackText;publicstringLabel;}当应用数据库ML.NET开展培训时也适用数据流分析,这代表着全部数据库不用装进运行内存,它将依据必须从数据库中载入,进而能够解决十分大的数据库即50GB、100GB或更高的数据库。

可伸缩式布署的预测分析模块库GA当将ML模型布署到线程同步和可伸缩式的.NETCoreWeb应用软件和服务项目比如ASP.NETCoreWeb应用软件、WebAPI或Azure涵数里时,强烈推荐应用PredictionEnginePool,不对于每一个要求立即建立PredictionEngine目标,。GAC/F,因而还可以在这其中运作ML.NET代码。查询DataView中载入的种类数据信息:绘图数据分布:培训ML.NET模型并纪录其培训時间:可在notebook中见到模型的质量标准,并将其记下来供之后核查:VisualStudio中ModelBuilder的升级VisualStudio的ModelBuilderTool早已升级,应用全新的ML.NETGA版本1.4gA,除此之外,它还包含新特点,比如VisualStudio中的数据可视化感受,用以当地图像分类模型培训。

真人手机app

有关ML.NET的大量详细信息,请见公布表明:-ml-net-1-4-global-availability-machine-learning-for-net/。


本文关键词:真人app,真人手机app

本文来源:真人app-www.flfcministries.com