ML.NET：一个.NET 开源、免费、跨平台的机器学习框架

前言

今天大姚给大家分享一个.NET 开源、免费、跨平台（支持 Windows、Linux、macOS 多个操作系统）的机器学习框架：ML.NET。并且本文将会带你快速使用 ML.NET 训练一个属于自己的图像分类模型，对图像进行分类。

ML.NET 框架介绍

ML.NET 允许开发人员在其 .NET 应用程序中轻松构建、训练、部署和使用自定义模型，而无需具备开发机器学习模型的专业知识或使用 Python 或 R 等其他编程语言的经验。该框架提供从文件和数据加载的数据。数据库，支持数据转换，并包含许多机器学习算法。

AI 和机器学习有什么区别?

AI 是一个计算分支，涉及训练计算机执行通常需要人类智能的操作。机器学习是 AI 的一部分，它涉及计算机从数据中学习和在数据中发现模式，以便能够自行对新数据进行预测。

ML.NET 支持的.NET 框架

目前 ML.NET 支持.NET、.NET Core (版本 2.0 及更高版本)和 .NET Framework (版本 4.6.1 及更高版本)。

框架源代码

ML.NET 官方提供的使用示例

• https://github.com/dotnet/machinelearning-samples

ML.NET 使用环境安装

安装本机.NET 环境

首先需要准备好本机的.NET 开发环境：

• https://dotnet.microsoft.com/zh-cn/download

Visual Studio 环境配置

选择.NET 桌面开发工作负荷以及可选的 ML.NET Model Builder 组件。

ML.NET Model Builder 组件介绍：提供易于理解的可视界面，用于在 Visual Studio 内生成、训练和部署自定义机器学习模型。

创建一个 WinForms 应用

创建一个名为：MLNETExercise的.NET8 WinForms 应用。

准备好需要训练的图片

训练图像分类模型

测试训练模型的分析效果

在 WinForms 中调用图像分类模型

调用完整代码

        private void Btn_SelectImage_Click(object sender, EventArgs e)        {            using (OpenFileDialog openFileDialog = new OpenFileDialog())            {                openFileDialog.Title = "Select Image";                openFileDialog.Filter = "Image Files (*.jpg, *.png, *.bmp)|*.jpg;*.png;*.bmp|All Files (*.*)|*.*";
                if (openFileDialog.ShowDialog() == DialogResult.OK)                {                    // 获取用户选择的文件路径                    string selectedImagePath = openFileDialog.FileName;
                    // 从文件加载图片                    Image img = Image.FromFile(openFileDialog.FileName);                    this.pictureBox.Image = img;
                    var imageBytes = File.ReadAllBytes(selectedImagePath);                    MLImageAnalysis.ModelInput sampleData = new MLImageAnalysis.ModelInput()                    {                        ImageSource = imageBytes,                    };
                    //Load model and predict output                    var result = MLImageAnalysis.Predict(sampleData);                    this.txt_Box.Text = result.PredictedLabel;                }            }        }

运行效果展示

项目源码地址

更多项目实用功能和特性欢迎前往项目开源地址查看👀，别忘了给项目一个 Star 支持💖。

• GitHub 开源地址：https://github.com/dotnet/machinelearning

• 本文示例源码地址：https://github.com/YSGStudyHards/DotNetExercises/tree/master/MLNETExercise

优秀项目和框架精选

该项目已收录到 C#/.NET/.NET Core 优秀项目和框架精选中，关注优秀项目和框架精选能让你及时了解 C#、.NET 和.NET Core 领域的最新动态和最佳实践，提高开发工作效率和质量。坑已挖，欢迎大家踊跃提交 PR 推荐或自荐（让优秀的项目和框架不被埋没🤞）。

• https://github.com/YSGStudyHards/DotNetGuide/blob/main/docs/DotNet/DotNetProjectPicks.md