ML.NET 是面向 .NET 开发人员的开源跨平台机器学习框架，可将自定义机器学习集成到 .NET 应用程序中。在这篇文章中，咱们将着重介绍 ML.NET 公布、Model Builder 更新 等。
ML.NET 公布
▌ARM 上的 ML.NETML.NET 的新版本为大家带来了期待已久的性能：ARM 反对！
除了 Linux 和 macOS 之外，您当初能够在 ARM64 和 Apple M1 设施上应用 ML.NET 执行训练和推理，从而为挪动和嵌入式设施以及基于 ARM 的服务器提供平台反对。以下视频展现了在运行 Manjaro ARM Linux 发行版的 Pinebook Pro 笔记本电脑上的训练和推理：
在 ARM 上应用 ML.NET 进行训练和推理时依然存在一些限度，这将引发 DLL not found 异样：
- Symbolic SGD、TensorFlow、OLS、TimeSeries SSA、TimeSeries SrCNN 和 ONNX 目前不被反对用于训练或推理
- LightGBM 目前被反对推理，但不被反对训练
- 您能够通过为 ARM 编译来增加 LightGBM 和 ONNX 反对，但它们不为 ARM/ARM64 提供预编译的二进制文件
这些对 ARM 反对的更改目前在 GitHub 中，如果您想从源代码构建，能够进行试用。
▌Blazor Web Assembly 上的 ML.NET
应用 .NET 6，您当初还能够在 Blazor Web Assembly (WASM) 上执行一些训练和推理。它具备与 ARM 雷同的限度，但有以下其余条件：
- 须将 EnableMLUnsupportedPlatformTargetCheck flag 设置为 false 能力在 Blazor 中装置
- 不反对 LDA 和 Matrix Factorization
能够在 Machine Learning Baseball Prediction repo 查看在 Blazor Web Assembly 中应用 ML.NET 的示例。
Model Builder 更新
作为预览版的一部分，咱们最近发表了对Model Builder 的几项重大更改，包含：
- 应用生成的代码后置文件进行基于配置的训练
- 调整后的高级数据选项
-
从新设计的 consume 步骤
▌我的项目模板
Model Builder 的应用步骤中有一个新的我的项目模板局部，您能够生成应用您本人的模型的我的项目。这些我的项目是模型部署和应用的终点。在这个公布中，能够在解决方案中增加一个 console app 或 minimal Web API。
▌新的和改良的 AutoML
咱们还开始与微软钻研团队 NNI（神经网络智能）和 FLAML（疾速和轻量级 AutoML）单干，来更新 ML.NET 的 AutoML 施行。
与这些团队的单干在短期和长期都很重要，对于 ML.NET 的一些益处包含：
- 为所有 ML.NET 场景启用 AutoML 反对
- 容许更准确地管制超参数搜寻空间
- 启用更多训练环境，包含本地、Azure 和本地分布式训练
- 在网络架构搜寻 (NAS) 等高级机器学习技术上发展将来单干
在作为此 Module Builder 版本其中一部分的第一次施行迭代中，咱们的团队致力于升高训练失败率，减少在给定工夫和 CPU 资源内摸索的模型数量，并进步整体训练的体现。
咱们的团队进行了基准测试，以确保对 AutoML 的更改无效改善了用户体验。具体测试后果可点击最下方链接处，进行具体理解！
▌接下来的打算
更轻松的合作和 Git
此版本的 Model Builder 仅反对训练数据集的绝对路径。这意味着对 Git 性能的反对无限，并且在计算机或帐户之间共享 mbconfig 文件时须要从新设置本地数据集地位。咱们正在跟踪此修复，这将促成对共享和检入 / 检出 mbconfig 文件的更好反对。
性能改良
咱们的团队正在对 UI 进行多项性能改良，尤其是在与大型数据集的交互方面。
进一步的 AutoML 改良
持续对 AutoML 进行改良，包含改良以后的调优算法，使其可能在更大的搜寻空间中更快地搜寻、更高级的训练，以及向 AutoML 增加更多场景，包含工夫序列预测和异样检测。
继续训练
咱们的团队正在致力晋升对“继续”训练的反对，即可能在进行或暂停训练后再次开始。应用此性能，您暂停训练后不会呈现重置训练进度的状况，而是会从您进行的那个点复原训练。而后，Model Builder 能够应用训练历史来抉择潜在的更好算法超参数和性能更好的 pipeline，从而产生更好的模型。这也使得可能提前暂停训练并获得最佳模型而无需从新开始训练的场景成为可能。
Azure 机器学习数据集
目前，当在 Model Builder 中应用 Azure 机器学习训练环境进行训练时，数据会被上传到与 Azure 机器学习工作区关联的 Azure Blob 存储，这意味着您只能抉择本地数据进行训练。
ML.NET 团队正在与 Azure 机器学习团队单干增加 Azure 机器学习数据集反对，以便您能够抉择在 Azure 中已有的数据集上进行训练。或者，您也能够从 Model Builder 中的本地数据创立新的 Azure 机器学习数据集。
如果您有任何产品反馈、想法或其余心愿从 ML.NET 团队取得的信息，请留言通知咱们！对于 ML.NET 和 Model Builder，也能够返回官网文档进行具体理解。https://docs.microsoft.com/zh…
理解更多 ML.NET 和 Model Builder，请扫码或点击链接。
长按辨认二维码
点击理解 ML.NET~