ML.NET ist ein Open Source- und plattformübergreifendes Framework für maschinelles Lernen (Windows, Linux, macOS) für .NET-Entwickler. Mithilfe von ML.NET können Entwickler ihre vorhandenen Tools und Fähigkeiten nutzen, um benutzerdefinierte KI zu entwickeln und in ihre Anwendungen zu integrieren, indem sie benutzerdefinierte Modelle für maschinelles Lernen für gängige Szenarien wie Stimmungsanalyse, Empfehlung, Bildklassifizierung und mehr erstellen.
Heute kündigen wir den ML.NET 1.0 RC (Release Candidate) (Version 1.0.0-preview ) an, der die letzte Vorschau-Version vor der Veröffentlichung des endgültigen ML.NET 1.0 RTM im zweiten Quartal 2019 darstellt.
Bald werden wir den ersten wichtigen Meilenstein einer großartigen Reise im Freien beenden, die im Mai 2018 mit der Veröffentlichung von ML.NET 0.1 als Open Source begann. Seitdem veröffentlichen wir monatlich 12 Vorschau-Releases, wie in der folgenden Roadmap gezeigt:
In dieser Version ( ML.NET 1.0 RC) haben wir zunächst unsere wichtigsten API-Änderungen abgeschlossen. Für den nächsten Sprint konzentrieren wir uns darauf, die Dokumentation und die Beispiele zu verbessern und bei Bedarf wichtige kritische Probleme zu lösen.
Ziel ist es, neue Änderungen zu vermeiden.
Aktualisierungen im ML.NET 1.0 RC-Zeitrahmen
Trennung von Stall vs. Vorschau-Version von ML.NET-Paketen: Unter der Überschrift ML.NET 1.0 wird der größte Teil der Funktionen in ML.NET (ca. 95%) als stabil veröffentlicht (Version 1.0).
Sie können die Referenzliste der 'stabilen' Pakete und Klassen hier einsehen .
Es gibt jedoch einige Funktionsbereiche, die sich bei der Veröffentlichung von ML.NET 1.0 immer noch nicht im RTM-Status befinden. Diese Funktionen, die weiterhin als Vorschau beibehalten werden, werden mit der 0.12.0-preview Version 0.12.0-preview als Vorschau-Pakete kategorisiert.
Die Hauptpakete, die nach der Veröffentlichung von ML.NET 1.0 im Vorschaustatus fortgesetzt werden, sind die folgenden ( 0.12 version packages ):
- TensorFlow-Komponenten
- Onnx-Komponenten
- TimeSeries-Komponenten
- Empfehlungskomponenten
Die vollständige Referenzliste der Vorschaupakete und -klassen „nach 1.0“ (0.12.0-Vorschau) finden Sie hier .
IDataView wurde aufgrund des erhaltenen Feedbacks in den Microsoft.ML-Namespace verschoben .
Korrekturen für die TensorFlow-Unterstützung: TensorFlow ist ein Open-Source-Framework für maschinelles Lernen, das für Deep-Learning-Szenarien (wie Computer Vision und Verarbeitung natürlicher Sprache) verwendet wird. ML.NET unterstützt die Verwendung von TensorFlow-Modellen, aber in ML.NET Version 0.11 wurden einige Probleme für die Version 1.0 RC behoben.
Ein Beispiel für ML.NET- Code, auf dem ein TensorFlow-Modell ausgeführt wird, finden Sie hier .
Versionshinweise für ML.NET 1.0 RC : Weitere Versionshinweise für 1.0 RC finden Sie hier .
Brechen von Änderungen in ML.NET 1.0 Release Candidate
Wenn Sie Ihren Code von ML.NET v0.11 auf v0.12 verschieben, können Sie sich die Liste der wichtigsten Änderungen ansehen, die sich auf unsere Beispiele ausgewirkt haben.
Planen Sie, in Produktion zu gehen?
Wenn Sie ML.NET in Ihrer App verwenden und in die Produktion gehen möchten , können Sie mit einem Techniker im ML.NET- Team sprechen, um:
- Holen Sie sich Hilfe bei der erfolgreichen Implementierung von ML.NET in Ihrer Anwendung.
- Geben Sie Feedback zu ML.NET .
- Testen Sie Ihre App und lassen Sie sie möglicherweise auf der ML.NET- Homepage, im .NET-Blog oder in einem anderen Microsoft-Kanal anzeigen .
Füllen Sie dieses Formular aus und hinterlassen Sie Ihre Kontaktinformationen am Ende, wenn Sie möchten, dass sich jemand aus dem ML.NET- Team mit Ihnen in Verbindung setzt.
Machen Sie sich bereit für ML.NET 1.0, bevor es veröffentlicht wird!
Wie bereits erwähnt, ist ML.NET 1.0 fast da! Sie können sich vor der Veröffentlichung fertig machen, indem Sie die folgenden Ressourcen untersuchen:
Beginnen Sie hier mit ML.NET .
Als nächstes werden einige andere Ressourcen näher untersucht:
Wir freuen uns über Ihr Feedback, indem wir Probleme mit Vorschlägen oder Verbesserungen im ML.NET GitHub-Repo einreichen , um ML.NET zu gestalten und .NET zu einer hervorragenden Plattform für maschinelles Lernen zu machen.
Vielen Dank und viel Spaß beim Codieren mit ML.NET !
Das ML.NET- Team.
Dieser Blog wurde von Cesar de la Torre sowie zusätzlichen Beiträgen des ML.NET- Teams verfasst
Hauptprogrammmanager, .NET