ML.Net - 開源的跨平臺機器學習框架

• 支援CPU/GPU訓練
• 輕鬆簡潔的預測程式碼
• 可延伸其他的機器學習平臺
• 跨平臺

1.使用Visual Studio的Model Builder訓練和使用模型

Visual Studio預設安裝了Model Builder外掛，可以很快地進行一些通用模型型別的訓練和部署，提高接入機器學習的開發效率

1.1 新建模型

通過非常簡單地 右鍵專案-新增-機器學習模型

1.2 選擇模型

ModelBuilder中提供了集中常用的模型型別以供開發者使用，開發者可以通過這些類別的模型快速接入，並且訓練自己的資料，本節內容將會使用計算機視覺中的」影象分類「進行演示

1.3 選擇訓練環境

接下來要選擇訓練的環境，提供了CPU/GPU/Azure雲三種方式訓練，這裡為了簡單演示，我使用了CPU訓練，如果資料量大且複雜的請選擇GPU，並且提前安裝CUDA、cuDNN

1.4 新增訓練資料

我從搜尋引擎中，蒐集到了一系列」奧特曼「的圖片（我相信不是所有人都可以認出各個時代的各個奧特曼 哈哈哈）
然後將這些圖片進行了資料夾分類，匯入到ModelBuilder中，如下：

1.5 開始訓練

本次演示訓練157張圖片，耗時50秒

1.6 評估

此環節，為了檢驗訓練成果和準確率，ModelBuilder中提供了圖形化的方式進行預測檢測，我在另外的搜尋引擎中，找到了一張沒有經過訓練的圖片，它準確地判斷出了」迪迦奧特曼「的概率為63%

1.7 程式碼編寫

這一環節中，ModelBuilder給出了範例程式碼，直接複製貼上就可以用到自己的實際專案中
同時還提供了，一鍵生成控制檯或者WebAPI專案的入口。給力！