微軟要讓ML.NET框架也能用于開(kāi)發(fā)深度學(xué)習(xí)應(yīng)用，在0.5版本中開(kāi)始支援TensorFlow模型，為了增加整體框架靈活度，未來(lái)將更換現(xiàn)行的LearningPipeline API。ML.NET 0.5，最大的更新便是開(kāi)始支援TensorFlow，開(kāi)發(fā)者可以在ML.NET中直接使用已經(jīng)訓(xùn)練好的TensorFlow模型，進(jìn)行評(píng)分（Scoring）。另外，微軟正在開(kāi)發(fā)新的ML.NET API，屆時(shí)將會(huì)棄用現(xiàn)行的LearningPipeline API。

適逢.NET Conf 2018，微軟順勢(shì)釋出ML.NET 0.5，距離5月釋出的ML.NET 0.1已經(jīng)距離一段時(shí)間，這次帶來(lái)巨大的更新，微軟在ML.NET 0.5中，增加了TensorFlow模型評(píng)分轉(zhuǎn)換（TensorFlow Transform）。微軟提到，深度學(xué)習(xí)是人工智能和機(jī)器學(xué)習(xí)的子集，能夠透過(guò)實(shí)例來(lái)學(xué)習(xí)人類(lèi)自然習(xí)得的能力，與傳統(tǒng)機(jī)器學(xué)習(xí)相比，深度學(xué)習(xí)可以直接從圖像、聲音以及文本中，學(xué)習(xí)物件偵測(cè)或是分類(lèi)任務(wù)，甚至可以提供語(yǔ)音辨識(shí)以及語(yǔ)言翻譯等功能，但傳統(tǒng)的機(jī)器學(xué)習(xí)依賴(lài)特征工程以及資料處理。

深度學(xué)習(xí)模型需要大量標(biāo)記資料以及多層類(lèi)神經(jīng)網(wǎng)路進(jìn)行訓(xùn)練，微軟認(rèn)為，深度學(xué)習(xí)之所以會(huì)開(kāi)始流行，除了對(duì)于電腦視覺(jué)任務(wù)表現(xiàn)良好外，剛好適用于現(xiàn)今資料爆炸情況。微軟也想讓ML.NET支援深度學(xué)習(xí)，因此透過(guò)新的TensorFlow Transform，在ML.NET中與TensorFlow進(jìn)行第一階段的整合，開(kāi)發(fā)者可以自己訓(xùn)練或是從任何地方下載TensorFlow模型，在ML.NET中使用進(jìn)行結(jié)果預(yù)測(cè)。

微軟表示，這種整合方式，讓開(kāi)發(fā)者不需要具備TensorFlow內(nèi)部細(xì)節(jié)知識(shí)，另外，從長(zhǎng)遠(yuǎn)來(lái)看，使用ML.NET開(kāi)發(fā)深度學(xué)習(xí)應(yīng)用將更加容易。開(kāi)發(fā)者只要增加ML.NET NuGet套件參照，到.NET Core或.NET Framework應(yīng)用程式中就可以了。在ML.NET底層也是參照了原生TensorFlow函式庫(kù)，讓開(kāi)發(fā)者可以撰寫(xiě)載入TensorFlow模型的程式碼，并且進(jìn)行評(píng)分。

不過(guò)，由于現(xiàn)在ML.NET使用TensorFlow仍然有一些限制，微軟正在更新API以提高整體靈活性。目前使用LearningPipeline API時(shí)，只能在LearningPipeline中作為數(shù)字和向量輸入，給分類(lèi)器學(xué)習(xí)器（Classifier Learner）等學(xué)習(xí)器。但在即將要推出的全新ML.NET API，將能存取TensorFlow模型的分?jǐn)?shù)，開(kāi)發(fā)者可以直接使用TensorFlow模型進(jìn)行評(píng)分，不像現(xiàn)在，還需要增加額外的學(xué)習(xí)器相關(guān)的訓(xùn)練程序。屆時(shí)當(dāng)新的API釋出時(shí)，現(xiàn)行的LearningPipeline API將被棄用。

微軟提到，雖然現(xiàn)在ML.NET框架支援了TensorFlow，未來(lái)也不排除整合其他諸如Torch和CNTK深度學(xué)習(xí)函式庫(kù)。