微软是软件开发行业中最重要的参与者之一。 ML.NET的最新添加为整个系统增加了价值。 主要目标是为模型实施和开发我们自己的人工智能，并在创建应用程序时获得最合适的设置。
通常，ML.NET机器学习旨在使用和创建常见任务，包括回归，分类，推荐，排名，聚类和异常检测。 不仅如此，对开源生态系统的额外支持使其在将基础架构与深度学习相集成方面广受欢迎。 其中一家公司目前正在努力使整个系统与适用于各种场景的用例兼容，例如销售预测，图像分类，情绪分析等。
ML.NET 0.11的更新毫无疑问，升级到0.11在开发阶段发生了新的变化。 它将与Microsoft技术合作伙伴一起增强整体功能，这有助于使点网蓬勃发展。 ML.NET 0.11正在处理各种时间表，例如：
ONNX是一个兼容且开放的平台，可以帮助描述网络的结构，以便可以将TensorFlow，scikit-learn和xgboost之类的不同框架用于另一个环境，在本例中为ML.NET。 此外，整个概念被称为Microsoft.ML.ONNX Converter，它是从Microsoft.ML.ONNX转换而来的。 而名称Microsoft.ML.ONNX Transformer已分配给Microsoft.ML.ONNC Transorm。 这有助于区分转换和ONNX转换。
另一个深度学习场景以及机器学习框架涉及TensorFlow。 使用先前形式的TensorFlow模型在ML.NET中支持图像分类模型。 Microsoft应用程序开发的最新版本（适用于11.0）将为模型系统增加价值。 这将与模型的情绪分析（也称为文本分析）一起很好地工作。 它仅取决于安装将要使用的代码。
ML.NET 0.11最新更改0.11版和0.10版之间的设置之间存在许多差异。
以下是主要更改的列表：
1.社区毫无疑问，.net社区是Google规模最大的社区之一。 它们都提供了一些使用软件的示例。 但是，它们不适用于Microsoft，并且不支持所有这些功能。 但是它们确实支持ML.NET社区的常见示例和演示，这些示例和示例提供了提供最佳博客和存储库的URL和简短描述。 此外，社区示例在页面上效果很好。
2.生产计划ML.NET应用程序中的主要内容是它对工作的影响。 在计划阶段，工程师会与平台紧密合作，随后是共同的平均流程。 此实现可在系统上轻松执行以使应用程序成功。 此外，潜在应用程序和演示应用程序可与主页配合使用，从而获得正确的工作流。 这使Microsoft渠道可以精确且常规地对其进行处理。
3.特征贡献计算Microsoft技术人员正在研究FCC概念，该概念有助于预测该模型是否具有影响力。 预测有助于保留商标的一般个人数据甚至特定信息，以便识别列出的功能。 这样可以对模型进行评估，以根据生成的数据获得准确的结果。
初始概念的类型对于FCC属性和功能的工作流程很重要，以便获得正确的流程。 它还有助于历史数据分析具有重要方面的特征。 了解估计值也很重要，因为在更多功能的情况下，这可能会降低模型的性能。 因此，每个正面和负面方面对整个系统都具有重要价值。
4. IData视图这是.10版本中存在的时刻，但是，在0.11版本中存在某些差异。 该组件提供了组成高效的表格处理功能，使预测和机器学习更加轻松。 此外，即使是大型数据集，机器也可以轻松地处理尺寸数据。 这是一大优势，现在图像将更加准确。
对单个节点的这种处理有助于分配可以根据所有权在数据集之间分配的通用数据。 NuGet和单独的构建也有所增加，这将有助于在每个阶段开发Microsoft应用程序。
结论 现在该学习ML.NET的最新版本了。 所有教程，文档和手册均可在线获得。 除此之外，您还可以找到代码示例。 这将简化任务。