针对网站做的推广方案,做资源网站需要什么,wordpress支付演示,萝岗高端网站建设.NET 是一个跨平台#xff0c;全场景应用的开源技术。你有在用 .NET 做机器学习/深度学习的应用吗#xff1f;如果从框架角度#xff0c;ML.NET / Tensorflow.NET / 不断在进步的 TorchSharp 通过几年的发展已经开始稳定#xff0c;但如果在一些大型项目上#xff0c;特别….NET 是一个跨平台全场景应用的开源技术。你有在用 .NET 做机器学习/深度学习的应用吗如果从框架角度ML.NET / Tensorflow.NET / 不断在进步的 TorchSharp 通过几年的发展已经开始稳定但如果在一些大型项目上特别现在与云端环境的对接上都是非常重要的毕竟云端可以帮助机器学习每一步的流程进行优化从数据管理到训练再到测试以及部署都是非常重要的。Azure ML 是非常优秀的机器学习/深度学习平台涵盖整个机器学习/深度学习的所有流程。那这个时候有人会问 Azure ML 能跑传统的机器学习/深度学习项目都是基于 Python但能否可以跑 .NET 的机器学习呢是否可以让 .NET 的机器学习项目和云端结合在一起。今天我就来给大家展示一下我是如何使用 .NET 结合 Azure ML 跑图像分类的。0准备工作从 Azure Portal 上构建一个 Azure 机器学习服务环境因为你需要用 GPU所以区域记得选择 “West US2”创建成功后你可以进入相关资源组并记录下刚才创建的 Resource Group 和 Azure ML Service Name你可以通过点击 Studio Web URL 进入 Azure Machine Learning Studio1从数据采集与整理开始这个与编程语言无关的内容但是也是非常重要的内容数据是最重要的部分。通过 Azure ML 你可以对数据进行管理这就包括数据存储版本管理以及数据特征提取等工作。我们可以从 Azure ML 门户的数据选项上进行不同数据的管理。1.选择左菜单栏的 Assets 选择 Data选择 Data assets 进行添加2. 创建数据给名字和对应的格式这里的数据你可以通过该链接 https://github.com/kinfey/HandsOnLab/tree/main/MLNetLab/tfnetcode/TF_DEEP_WIN_GPU_LearnDemo/image/flower_photos 进行下载3. 从本地上传数据4.上传成功后你可以看到相关信息记录下 Named asset URI 的名字这里是 azureml:flower_data:12训练每个人会把数据训练看成非常重要的一环。在 .NET 中你可以选用 ML.NET 或者 TensorFlow.NET / TorchSharp 进行训练从很多文档或者你只看到了 Python 的方式。我这里分享一下用 .NET 的方式。首先你需要在 Azure ML 上构建你的算力点击菜单 “Compute”再选择“Compute clusters”。通过创建选择 GPU 选择使用 K80 (如果你需要其他算力可以自动申请)构建完成后我这里需要把代码进行调整代码我这里使用了 Tensorflow.NET 的图像分类的示例并作了一下调整大家可以参考我的 GitHub 获取代码https://github.com/kinfey/dotNETMLinAzureML这里有几点需要注意的因为在 Azure ML 上所有计算的算力都是基于 Linux 和 GPU 所以在加载 Tensorflow.NET 的库的时候请使用 Tensorflow.NET Linux 的 GPU 版本。大家可以参考下PackageReference IncludeSciSharp.TensorFlow.Redist-Linux-GPU Version2.5.0 /
PackageReference IncludeTensorFlow.Keras Version0.7.0 /
PackageReference IncludeTensorFlow.NET Version0.70.1 /我们需要让 .NET 在 Azure ML 上跑我们需要有一个容器的环境结合算了一起跑。这就好比作你需要一个 .NET 的运行环境然后加上算力。在 Azure ML 你可以通过本地配置 yaml 去设定相关的内容包括需要执行的语句也包括数据存储相关的路径运行环境以及所需要的算力等。如下所示$schema:https://azuremlschemas.azureedge.net/latest/commandJob.schema.json
command:|FILENAMElibtensorflow-gpu-linux-x86_64-2.5.0.tar.gzwget -q --no-check-certificate https://storage.googleapis.com/tensorflow/libtensorflow/${FILENAME}tar -C /usr/local -xzf ${FILENAME}ldconfig /usr/local/libcd codedotnet restoredotnet builddotnet run --dataPath ${{inputs.data_dir}} --outputPath outputs
code:.
inputs:data_dir:type:uri_folderpath:azureml:flower_data:1
experiment_name:tf-image-training
environment: build:path:.dockerfile_path:Dockerfile
compute:azureml:GPUCluster补充说明1.input对应的是输入的数据可以对应在 Azure ML 设定的数据你可以选择文件夹和文件类型2.command: 对应的是你要执行的文件, 因为 Tensorflow.NET 需要 libtensorflow你必须去做相关的下载并在运行环境中设置好3.environment: 环境依赖你可以直接设定容器但我更喜欢把环境设置在 Dockerfile 上这样你可以随时添加所需要的支持如 ML.NET CLI 环境或者是一些包等以下是我的 DockerfileFROM mcr.microsoft.com/dotnet/sdk:6.0
RUN apt install wget 4. compute就是对应创建的算力本地的 yaml 环境后就可以在本地运行对应的脚本 你必须安装 Azure CLI 环境还有 Azure ML SDK v2 的扩展支持这是必须的。具体你可以点击该地址了解更多) 在本机环境中执行如下步骤az configure --defaults groupCUDAWSGroup workspaceCUDAWSaz ml job create --file AzureTrain.yml5.experiment_name: 你可以给训练起一个名字这个我觉得蛮好用的可以针对不同的项目进行归类如果执行顺利你就可以直接通过 Azure ML 开启你的 .NET 机器学习/深度学习训练了下图是通过点击 job 看到的每次训练的内容你也可以点击某次训练了解更多这个例子并不是完美的算法但也足矣说明问题了当然你可以通过程序设定看看调整算法来提升精确度3模型测试你可以在程序中添加测试的样例去看结果这个会在以后的内容中和大家再说说4模型部署如果你对某次模型训练比较满意你就可以选择把该次训练产生的模型注册并部署到 endpoint可以选择在本地用 yaml 完成但有些小伙伴喜欢在 Azure 门户上用一些手动化操作也可以1.模型注册选择 Models 并点击 Register 选择 From a job input选择你所需要的训练你就可以从 outputs 文件夹中选取对应的模型作为部署部署成功后你就可以看到相关的模型信息当然你也可以不在 Azure 上部署可以在 Jobs 把模型下载下来给不同平台使用2. 在 Endpoints 中生成服务或者你需要在 Azure 上直接部署服务这个时候你只需要点击 Endpoints 和对应服务关联就可以了。或者我更喜欢用 Azure Functions 来完成该步骤这个日后再和大家说说了Azure 上可以支持托管部署和 Kubernetes 部署这就看你需要什么方式5总结你可以看到在 Azure ML 上通过 .NET 把机器学习的整个流程都完成了。这也让各位 .NET 的开发人员和团队更有信心地采用 .NET 做机器学习/深度学习的项目。现在 .NET 机器学习不仅仅只是框架也可以通过云端进行管理是完整的解决方案。各位小伙伴请放胆使用。也希望有更多小伙伴来做更多有趣的机器学习应用。最后和大家剧透一下 全球的 .NET Conf 2022 下周就开始了我在 .NET Conf 2022 上我会和大家谈谈全场景的 .NET 深度学习开发具体时间北京时间 11 月 10 日 北京时间 13:30 - 14:00 大家一定不要错过(虽然是英文但希望更位小伙伴也能上线大家)。下周约定大家不见不散还有我们 12 月 3 日 和 12 月 4 日 的 .NET Conf 2022 中国也会开始了有更多小伙伴们熟悉的 .NET 大神 。大家也一定不要错过。相关资源1.免费 Azure 账号申请 https://azure.com/free2.学生免费 Azure 账号申请 https://aka.ms/studentgetazure3.了解 Azure ML https://learn.microsoft.com/en-us/azure/machine-learning/overview-what-is-azuremachine-learning4.安装 Azure CLI https://learn.microsoft.com/en-us/cli/azure/install-azure-cli5.安装 Azure ML SDK v2https://learn.microsoft.com/en-us/azure/machine-learning/how-to-configurecli?tabspublic6.了解 ML.NET https://dotnet.microsoft.com/en-us/apps/machinelearning-ai/ml-dotnet7.了解 Tensorflow.NET https://github.com/SciSharp/TensorFlow.NET8.学习 Tensorflow.NET 的相关案例 https://github.com/SciSharp/SciSharp-Stack-ExamplesCA周记往期回顾:更多原创文章与资源共享请关注Kinfey Techtalk
