译 | 宣布ML.NET 1.2 及模型生成器更新(用于 .NET 的机器学习)

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 app
  • https://github.com/dotnet/machinelearning-samples/tree/master/samples/csharp/end-to-end-apps/DeepLearning_ImageClassification_TensorFlow
• Object Detection ASP.NET Core web app
  • https://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-IntegrationPkg

MLNet 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 CLI
  • https://docs.microsoft.com/en-us/dotnet/machine-learning/automate-training-with-cli
• CLI 更新 0.14
  • https://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/issues

https://aka.ms/modelbuilderissues

你的朋友 @ML.NET