flash网站特点,公司网站域名如何续费,p2p视频网站建设,涂鸦网站建设什么是ML.NET#xff1f;ML.NET 使你能够在联机或脱机场景中将机器学习添加到 .NET 应用程序中。借助此功能#xff0c;可以使用应用程序的可用数据进行自动预测。机器学习应用程序利用数据中的模式来进行预测#xff0c;而不需要进行显式编程。ML.NET 的核心是机器学习模型… 什么是ML.NETML.NET 使你能够在联机或脱机场景中将机器学习添加到 .NET 应用程序中。借助此功能可以使用应用程序的可用数据进行自动预测。机器学习应用程序利用数据中的模式来进行预测而不需要进行显式编程。ML.NET 的核心是机器学习模型 。该模型指定将输入数据转换为预测所需的步骤。借助 ML.NET可以通过指定算法来训练自定义模型也可以导入预训练的 TensorFlow 和 ONNX 模型。ML.NET 支持在使用 .NET Core 的 Windows、Linux 和 macOS 或使用 .NET Framework 的 Windows 上运行。所有平台均支持 64 位。Windows 支持 32 位TensorFlow、LightGBM 和 ONNX 相关功能除外。了解ML.NET模型生成器ML.NET 模型生成器是一个直观的图形化 Visual Studio 扩展用于生成、训练和部署自定义机器学习模型。其使用自动化的机器学习 (AutoML) 来探索不同的机器学习算法和设置以帮助找到最合适的方案。使用模型生成器不需要具备机器学习的专业知识。只需要一些数据和确定要解决的问题。模型生成器会生成将模型添加到 .NET 应用程序的代码。值得注意的是目前ML.NET 模型生成器是属于预览版需要先启用此预览功能接下来我们将使用此模型生成器来生成图片性别生成的代码。生成图片性别识别的代码主体步骤如下所示1、创建控制台项目然后添加【机器学习】2、选择方案这里我们选择【图像分类】当完成了第一步操作之后我们将打开ML.NET模型生成器的UI界面。这里我们选择【图像分类】方案3、选择训练环境4、添加数据在此之前我们需要先准备好数据。由于是做图片分类我们需要先准备图片数据并且以文件夹的形式分类比如准备好图片数据后我们就可以在【数据】界面添加对应的文件夹了添加完成后就可以看到【数据预览】这里笔者准备了5000多张学生图片由于涉及隐私这些数据样本不会公开如需要训练可以去国外很多AI网站下载数据样本。 5、训练训练是一个自动的过程模型生成器通过该过程教模型如何回答方案相关的问题。训练后模型可以对其没有见过的输入数据进行预测。例如在预测房价时可以预测新上市的房屋销售价。因为模型生成器使用自动机器学习 (AutoML)所以在训练期间不需要任何人工输入或微调操作。接下来我们【开始训练】一般500M数据需要训练大概半小时以上具体还需视机器性能而定6、评估 训练结束后我们就可以开始评估了。评估是衡量模型品质的过程。下面97.08的准确性已经是性能非常好的模型了高于50%的准确性才是可以接受的模型。如果模型性能评分不符合预期可以延长训练时间。有了更多时间自动机器学习引擎可以体验更多算法和设置。添加更多更精确的数据。有时数据量不足以训练高质量的机器学习模型。对于包含少量示例的数据集尤其如此。均衡分配数据。对于分类任务请确保在各个类别间均匀分配训练集。例如若有四个类别和100 个训练示例前两类标记 1 和标记 2包含 90 个记录而剩下两类标记 3 和标记 4只包含 10 个记录这就存在数据不均衡的问题可能会导致模型很难正确预测标记 3 或标记 4。回到刚才的主题我们可以试用刚训练出的模型。这里笔者找了几张数据样本之外的图片进行测试模型的准确性非常之高我们用一张偏女性化的男性图片进行测试从上面的测试结果可以看出准确性基本上取决于数据样本的数量和质量 7、添加代码完成评估阶段后模型生成器可以输出一份模型文件和代码我们可以使用该代码将模型添加到应用程序。ML.NET 模型保存为 zip 文件。用于加载和使用模型的代码会以新项目的形式添加到解决方案中。模型生成器还会添加一个示例控制台应用可以运行该应用来查看工作状态下的模型。 此外模型生成器还会输出生成模型的代码以便你能了解生成模型所使用的步骤。还可以通过模型训练代码使用新的数据重新训练模型。添加代码如下所示【添加】之后在解决方案中我们就可以相关代码了 如上图所示ML.NET模型的zip文件也包含在解决方案中。 执行示例代码我们将【GenderRecognitionML.ConsoleApp】工程设置为启动项目打开示例代码如下所示using System;
using GenderRecognitionML.Model;namespace GenderRecognitionML.ConsoleApp
{class Program{static void Main(string[] args){// Create single instance of sample data from first line of dataset formodel inputModelInput sampleData new ModelInput(){ImageSource D:\workspace\AI\GenderRecognition\数据样本\女\20200612180307_xxx.jpg,};// Make a single prediction on the sample data and print resultsvar predictionResult ConsumeModel.Predict(sampleData);Console.WriteLine(Using model to make single prediction --Comparing actual Label with predicted Label from sample data...\n\n);Console.WriteLine($ImageSource: {sampleData.ImageSource});Console.WriteLine($\n\nPredicted Labelvalue {predictionResult.Prediction} \nPredicted Label scores:[{String.Join(,, predictionResult.Score)}]\n\n);Console.WriteLine( End of process, hit any key tofinish );Console.ReadKey();}}
}
通过上面的示例代码我们非常简单了解了如何来使用模型仅需传入图片路径即可使用模型输出对应的图像标签男、女和准确性我们可以运行起来执行结果如下所示至此整个教程就完成了是不是非常简单呢即使我们不具备机器学习的专业知识转载是一种动力 分享是一种美德如果喜欢作者的文章请关注【麦扣聊技术】订阅号以便第一时间获得最新内容。本文版权归作者和湖南心莱信息科技有限公司共有欢迎转载但未经作者同意必须保留此段声明且在文章页面明显位置给出原文连接否则保留追究法律责任的权利。文档官网docs.xin-lai.comQQ群编程交流群85318032 产品交流群897857351
