Microsoft breidt ML Framework uit

De nieuwste release van Microsoft's machine learning-framework bevat een nieuwe API bedoeld om .NET-ontwikkelaars te helpen met het trainen van modellen voor verbeterde voorspellingen in toepassingen zoals beeldclassificatie en spraakvertaling.

Microsoft heeft de 0.6-versie van haar ML.NET machine learning framework deze week uitgebracht. Deze versie breidt het aantal datapijplijnen uit dat kan worden gebruikt om machine learning modellen te bouwen. Eerdere versies beperkten de soorten pijplijnen die kunnen worden gebruikt om modellen te trainen. De nieuwe versie verbetert ook de model prediction performance.

Een eerdere versie van ML.NET voegde ondersteuning toe voor TensorFlow-modellen met het doel om deep learning-modellen te gebruiken om de prediction performance te verbeteren voor toepassingsgevallen zoals beeldclassificatie, spraak-naar-tekst en vertalingen. De nieuwe versie voegt ondersteuning toe voor voorspellingen die zijn afgeleid van het Open Neural Network Exchange-formaat, dat een open platform voor uitwisselbare AI-modellen is. ONNX wordt ondersteund door Microsoft, Amazon Web Services en Facebook.
Microsoft stelt dat de nieuwste versie van haar machine learning framework het voor .NET-ontwikkelaars mogelijk maakt om ONNX-modellen te gebruiken om de prestaties van getrainde modellen te voorspellen en te scoren. Deze maakt gebruik van ONNX-modellen die zijn getraind in verschillende frameworks, variërend van ML.NET tot TensorFlow die kunnen worden geëxporteerd naar ONNX. De resulterende modellen kunnen volgens Microsoft ook worden gebruikt voor machine learning-applicaties zoals emotie- en objectherkenning.

Deze release verhoogt ook de compatibiliteit met TensorFlow door het ontwikkelaars gemakkelijker te maken om de open source machine learning bibliotheek te gebruiken. Een nieuwe API is toegevoegd aan ML.Net en maakt gebruik van de scoremogelijkheden van TensorFlow voor modellen. Een andere verbetering is de verschuiving van het gebruik van alleen ‘frozen’ TensorFlow-modellen naar de mogelijkheid om die modellen opnieuw te gebruiken in een opgeslagen modelformaat.

De nieuwe ML.NET API is ontworpen om een ​​bredere reeks scenario's te ondersteunen en volgt machine learning principes en benamingen van andere populaire ML gerelateerde frameworks zoals Apache Spark en Scikit-Learn.

Meer informatie over de ML.NET-upgrades