.NETer大家好，今天為大家送上.NET Core 下如何完成人工智能應用的系列，希望給.NETer進入人工智能領域提供一個指引。

.NET Core已經是一個全場景應用的技術棧方案，對于每一個領域都有支持。自從微軟在開源發力后，.NET Core的社區能力也得到了補充。人工智能是全球熱點，在人?智能里面Python語言是第一世界，對于不少.NET程序員要進入到該領域有不少技術的壁壘。當然有人會提到為何還要用.NET做機器學習？ 對于一個團隊，是有技術延續性的，要投入一個新領域就要確保技術成本，如果要重新招聘?個Python團隊，花費不少。用原有的技術能完成的事，是最好的解決方案，而且更能延續原有團隊的創造力。對個人更好地把以往積累的經驗應用在新領域也是非常好的事。

現階段.NET Core 在人工智能里面能做什么？生態如何？以下是?些原生的.NETCore 人工智能場景下的相關技術。

01

.NET Interactive

在傳統的數據科學里面，數據科學家喜歡用Jupyter Notebook作為主要的環境工具。（Jupyter notebook 是?種Web 應用，能讓用戶將說明文本、數學方程、代碼和可視化內容全部組合到?個易于共享的文檔中。）.NET Interactive是一種Jupyter Notebook的擴展，讓.NETer在Jupyter Notebook上通過C#/F#做數據相關的工作。

02

NumSharp

在Python里面，我們需要用Numpy做大量數據處理，完成矩陣運算，多維數據的轉換。NumSharp是第三方提供的開源的Numpy的.NET Core版本。(Github地址https:/ github.com/SciSharp/NumSharp)

03

.NET DataFrame

在數據科學里面，數據分析是非常重要的?環，Pandas是Python場景下的重要工具。而對于.NET Core通過DataFrame去完成相關數據分析工作，讓你更快了解數據，調整數據。

04

XPlot

通過XPlot你可以把數據生成不同的圖表，找出數據特征。

.NET for Apache Spark

.NET Core 原生支持大數據處理的Apache Spark

05

ML.NET

ML.NET 是Microsoft 的機器學習框架，它提供了?種在.NET 生態系統中訓練、創建和運行模型的簡單方法。這對.NET 開發人員來說是個好消息，因為它可以讓您重用作為.NET 開發?員已經擁有的所有知識、技能、代碼和庫。然而，這不僅僅是面向.NET 開發?員的框架。事實上，ML.NET證明了自己是一個很棒的端到端?具，它使任何開發?員都能夠創建復雜的管道并綁定到不同的數據源。

06

TensorFlow.NET

TensorFlow.NET (TF.NET) 為TensorFlow 提供了.NET Standard 綁定。它旨在?C# 實現完整的Tensorflow API，允許.NET 開發?員使用跨平臺的.NET Standard 框架開發、訓練和部署機器學習模型。TensorFlow.NET 內置了Keras ?級接口，并作為獨立包TensorFlow.Keras 發布。(Github地址https:/ github.com/SciSharp/TensorFlow.NET)

07

TensorFlowSharp

TensorFlowSharp 是?個TensorFlow模型運行時，和TensorFlow.NET 相比缺少很多如圖計算，訓練等功能。(Github地址

https:/ github.com/migueldeicaza/TensorFlowSharp)

08

TorchSharp

TorchSharp 是?個.NET 庫，可提供對?持PyTorch 的庫的訪問。(Github地址https:/ github.com/xamarin/TorchSharp)

結語

通過上述原生庫，你可以通過C#/F#完成相關的技術，本次系列會從最基礎的知識說起，包括環境搭建，基本概念，機器學習相關算法，以及深度學習，希望能讓.NETer 更好學習??智能的知識。

總結

以上是生活随笔為你收集整理的【DotNetMLLearn】.NET Core人工智能系列-概述的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。