微软要让ML.NET框架也能用于开发深度学习应用

微软要让ML.NET框架也能用于开发深度学习应用，在0.5版本中开始支援TensorFlow模型，为了增加整体框架灵活度，未来将更换现行的LearningPipeline API。ML.NET 0.5，最大的更新便是开始支援TensorFlow，开发者可以在ML.NET中直接使用已经训练好的TensorFlow模型，进行评分（Scoring）。另外，微软正在开发新的ML.NET API，届时将会弃用现行的LearningPipeline API。

适逢.NET Conf 2018，微软顺势释出ML.NET 0.5，距离5月释出的ML.NET 0.1已经距离一段时间，这次带来巨大的更新，微软在ML.NET 0.5中，增加了TensorFlow模型评分转换（TensorFlow Transform）。微软提到，深度学习是人工智能和机器学习的子集，能够透过实例来学习人类自然习得的能力，与传统机器学习相比，深度学习可以直接从图像、声音以及文本中，学习物件侦测或是分类任务，甚至可以提供语音辨识以及语言翻译等功能，但传统的机器学习依赖特征工程以及资料处理。

深度学习模型需要大量标记资料以及多层类神经网路进行训练，微软认为，深度学习之所以会开始流行，除了对于电脑视觉任务表现良好外，刚好适用于现今资料爆炸情况。微软也想让ML.NET支援深度学习，因此透过新的TensorFlow Transform，在ML.NET中与TensorFlow进行第一阶段的整合，开发者可以自己训练或是从任何地方下载TensorFlow模型，在ML.NET中使用进行结果预测。

微软表示，这种整合方式，让开发者不需要具备TensorFlow内部细节知识，另外，从长远来看，使用ML.NET开发深度学习应用将更加容易。开发者只要增加ML.NET NuGet套件参照，到.NET Core或.NET Framework应用程式中就可以了。在ML.NET底层也是参照了原生TensorFlow函式库，让开发者可以撰写载入TensorFlow模型的程式码，并且进行评分。

不过，由于现在ML.NET使用TensorFlow仍然有一些限制，微软正在更新API以提高整体灵活性。目前使用LearningPipeline API时，只能在LearningPipeline中作为数字和向量输入，给分类器学习器（Classifier Learner）等学习器。但在即将要推出的全新ML.NET API，将能存取TensorFlow模型的分数，开发者可以直接使用TensorFlow模型进行评分，不像现在，还需要增加额外的学习器相关的训练程序。届时当新的API释出时，现行的LearningPipeline API将被弃用。

微软提到，虽然现在ML.NET框架支援了TensorFlow，未来也不排除整合其他诸如Torch和CNTK深度学习函式库。