提起AI，大家都會先想到Python，確實(shí)Python作為一門好幾十年的老語言，上一波的AI大流行使它煥發(fā)了青春。大家用Phtyon來做AI，最主要的原因無非就是編碼量更少，很多數(shù)學(xué)和AI相關(guān)的Api都是現(xiàn)成的。但是隨著ML.net的問世，我們現(xiàn)在可以在.netcore平臺上使用比Python更少的代碼來實(shí)現(xiàn)AI的功能了。

?

ML是Machine Learning的縮寫，從命名上可以看出微軟對于對于AI的現(xiàn)狀還是有非常清醒的認(rèn)識的。目前我們所有聲稱的人工智能其實(shí)只是機(jī)器學(xué)習(xí)，離真正意義上的人工智能還差的很遠(yuǎn)。這也是為什么，AI這個(gè)概念幾乎每十年就火一次，然后陷入沉寂，因?yàn)槲覀冊谒惴ㄉ掀鋵?shí)始終沒有突破，只是硬件比以前強(qiáng)大了，算的比以前快了而已。

上一波的AI創(chuàng)業(yè)大軍已經(jīng)紛紛倒下了，這也使我們認(rèn)識到目前AI的水平是很難獨(dú)立支撐一塊完整的創(chuàng)新業(yè)務(wù)的，但是作為已有系統(tǒng)的補(bǔ)充，作為數(shù)據(jù)分析的工具，AI還是很有用的，尤其是在圖像識別，語義分析，數(shù)值預(yù)測等已有成熟算法的領(lǐng)域。

?

讀到這里是不是以為這篇文章是噴概念的？必須不是啊，干貨來了：

?

ML.Net主要特點(diǎn)：

跨平臺，開源，使用簡單，支持Tensorflow等擴(kuò)展

?

一、?使用ML.Net的圖形化工具生成機(jī)器學(xué)習(xí)代碼

目前的Visual Studio 2019已經(jīng)包含了ML.Net的圖形化工具，只不過還是預(yù)覽版，需要你手動開啟，首先在Visual Studio Installer里安裝的功能中勾選ML.Net

然后在visual studio的 工具->選項(xiàng)中，選擇展示預(yù)覽功能

?

從這里我們也可以看出，微軟已經(jīng)計(jì)劃在后續(xù)的visual studio中將ML.NET作為默認(rèn)工具集成進(jìn)來了。

?

安裝完畢之后，隨便建一個(gè).netcore的項(xiàng)目，控制臺的就可以。右鍵點(diǎn)擊添加就會看到ML.NET的選項(xiàng)

?

點(diǎn)擊之后會有圖形界面，然你從幾種常見的需求中選擇，比如語義識別，圖像識別，數(shù)值預(yù)測等，后續(xù)它還會支持圖片中物體識別等更復(fù)雜的需求。整個(gè)過程非常直觀，按照它的界面一步一步走就可以，它最終會幫你訓(xùn)練模型并生成使用模型和再次訓(xùn)練模型的代碼。

二、?手動引用Nuget包進(jìn)行開發(fā)

在已有項(xiàng)目中手動添加AI的支持，只需要從Nuget上手動引用Microsoft.ML包，以及其他任務(wù)相關(guān)的包，如果需要使用tensorflow訓(xùn)練的模型，則需要引用SciSharp.TensorFlow.Redist包。訓(xùn)練和使用模型的代碼都比較簡單，根據(jù)機(jī)器學(xué)習(xí)的類型不同，少則10幾行，多則幾十行代碼就可以完成訓(xùn)練的編碼。

?

三、?實(shí)戰(zhàn)演示

公司內(nèi)部已有app需要增加一些額外功能，用戶用手機(jī)截圖上傳的時(shí)候，系統(tǒng)需要判斷圖片有沒有最上方的狀態(tài)欄。由于手機(jī)本身系統(tǒng)的不同，再加上安卓手機(jī)狀態(tài)欄基本上都能自定義，所以狀態(tài)欄的樣式是五花八門的，傳統(tǒng)方式很難實(shí)現(xiàn)這個(gè)需求。最終我們使用WTM+ML.NET快速搭建了一個(gè)AI圖片分類的平臺，這個(gè)平臺的功能包括：

?

1.?可維護(hù)多種圖片識別的任務(wù)。雖然目前的需求只有狀態(tài)欄識別這一個(gè)，但是系統(tǒng)應(yīng)該支持多種圖片任務(wù)。

2.?每種任務(wù)可以自定義具體分類

3.?每種任務(wù)可以指定不同的圖片預(yù)處理操作，比如狀態(tài)欄識別這個(gè)任務(wù)應(yīng)該在訓(xùn)練和識別之前對原始圖片進(jìn)行裁剪，只判斷上方80像素高的區(qū)域。

4.?提供后臺界面允許管理人員對數(shù)據(jù)進(jìn)行標(biāo)注

5.?允許在線增量訓(xùn)練

6.?提供對外API接口，使其他系統(tǒng)可以使用該api來進(jìn)行圖片識別的工作

7.?其他通用模塊，如日志，用戶，權(quán)限等

?

以上的需求我們用了不到一個(gè)工作日，使用WTM+ML.NET就快速實(shí)現(xiàn)了，當(dāng)然準(zhǔn)備初次訓(xùn)練所需的圖片用了兩周的時(shí)間。最終我們使用了七千多張帶狀態(tài)欄的圖片，和兩千多張不帶狀態(tài)欄的圖片訓(xùn)練完成了這個(gè)模型，準(zhǔn)確率可以達(dá)到95%。后續(xù)通過人工標(biāo)注和增量訓(xùn)練這個(gè)準(zhǔn)確度還可以提高。

?

這個(gè)系統(tǒng)目前已經(jīng)上線，為一個(gè)40萬日活的App提供圖片識別服務(wù)，表現(xiàn)相當(dāng)穩(wěn)定。

?

Talk is cheep, show me the code?

沒問題，歡迎來我們在CSDN上的課程https://edu.csdn.net/course/detail/27568?， 或者在csdn里搜索WTM找到我們的視頻教程。里面有完整的從0開始開發(fā)上述系統(tǒng)的視頻講解，并有完整的源代碼。源碼不是公司的哦，公司用的Layui，我又用VUE重新寫了一遍。用了WTM，這都不是事兒，快得很。

另，WTM正在進(jìn)行新一輪大幅重構(gòu)和優(yōu)化，請大家拭目以待~~~

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結(jié)

以上是生活随笔為你收集整理的人工智能？.NetCore一样胜任！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。