ML.NET 3.0：微软升级跨平台框架，增强深度学习与 AI 计算效率

科技周边不知道大家是否熟悉？今天我将给大家介绍《ML.NET 3.0：微软升级跨平台框架，增强深度学习与 AI 计算效率》，这篇文章主要会讲到等等知识点，如果你在看完本篇文章后，有更好的建议或者发现哪里有问题，希望大家都能积极评论指出，谢谢！希望我们能一起加油进步！

微软于11月29日宣布推出跨平台机器学习框架ML.NET 3.0。此次更新主要增强了深度学习功能，改进了ML.NET的数据处理能力，并加入了英特尔oneDAL加速训练技术以及自动机器学习等功能

需要重写的内容是：▲ 图片来源微软

本站注意到，ML.NET 3.0 提供了多项深度学习功能，包含“物体检测”、“命名实体辨识”和“问答处理”等。

其中“物体检测”能够在图像中定位并分类不同类型的实体，官方介绍称，物体检测是一项电脑视觉任务，和“图像分类”关系密切，但分类相对更精细，当影像中包含不同类型的物体时，官方建议使用相关功能。

而命名实体辨识和问答处理基于微软新添加的 TorchSharp API，该 API 是一个.NET 库，号称结合了微软研究院的最新技术与 TorchSharp 中 Transformer 神经网络架构，并通过现有的 TorchSharp RoBERTa 文字分类功能作为基础，从而实现了上述功能。

此外，微软在先前发布 ML.NET 2.0 不久后，便宣布要为英特尔的 oneDAL 加速训练技术提供支持，目前这项功能已经在 ML.NET 3.0 中登场，能够显著加速数据分析和机器学习过程。

微软还更新了 ML.NET 3.0 自动机器学习（AutoML）功能，带来了语句相似性、问答处理和物体侦测等功能，能够协助开发者选择最适合的模型和参数，令开发者更容易设计机器学习模型。

本站同时发现，ML.NET 现在具有连续资源监控能力，可以通过 AutoML.IMonitor 监控 RAM 和硬盘空间使用情况，便于开发者控制长期运作的实验，避免运行的进程因 RAM 或 ROM 不足导致崩溃，同时便于开发者直观地查看进程的各项参数。

ML.NET 3.0 还整合了 Tensor Primitives，这是一套专门用于张量运算的新 API，能够进一步推进.NET 在人工智能数学运算的应用。该 API 不仅运用硬件内部指令集来加速运算效率，还结合泛型数学（Generic Math）的原理概念，号称是“开发者处理复杂数学和繁琐数据的强大工具”。

需要重写的内容是：▲ 图片来源微软

今天关于《ML.NET 3.0：微软升级跨平台框架，增强深度学习与 AI 计算效率》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！