新时代高科技不计其数越来越发达，小伙伴们看过不少科技新闻吧，在我们生活中应该也用到很多这些高科技东西，有哪些小伙伴值的关注的呢，今天就跟大家分享一篇有关科技方面知识，希望大家会喜欢。

微软已经更新了其ML.Net开源机器学习框架，将其Beta版本0.5与TensorFlow模型评分作为ML.Net的转换。此功能允许 在ML.Net实验中使用来自Google的TensorFlow深度学习和机器学习工具包的现有模型。

0.5版开始添加对深度学习的支持，使用TensorFlow Transform类，它可以采用现有的TensorFlow模型，并将该模型的分数输入ML.Net。TensorFlow评分功能的用户不需要了解TensorFlow内部细节的工作知识。转换基于TensorFlowSharp .Net绑定的代码。

要使用此功能，开发人员将对ML.Net NuGet包的引用添加到.Net Core和.Net Framework应用程序。ML.Net引用了本机TensorFlow库，它允许开发人员编写加载现有训练TensorFlow模型的代码进行评分。

ML.Net的计划功能

在未来的ML.Net版本中，Microsoft计划确定TensorFlow模型的预期输入和输出。目前，建议开发人员使用TensorFlow API或Netron等工具来探索TensorFlow模型。

微软还将更新ML.Net API以提高灵活性，克服现在在ML.Net中使用TensorFlow的限制。通过计划的API，TensorFlow模型得分可以直接访问，因此开发人员可以使用TensorFlow模型进行评分，而无需添加额外的学习者及其训练过程。

目前，ML.Net面向TensorFlow，但计划要求可能的深度学习库集成。这些可能包括Torch和CNTK。

微软还在开发一种新的ML.Net API，以提高灵活性和易用性。当API被认为准备就绪时，公司将弃用当前的API , LearningPipeline. 因为这将是一个重大变化，Microsoft正在分享多个API选项的提案。新API的设计原则包括：

将并行术语与其他众所周知的框架(如Scikit-Learn，TensorFlow和Spark)结合使用。Microsoft将尝试在命名和概念方面保持一致，以便开发人员更容易理解ML.Net Core。

简洁明了的ML场景。

启用当前LearningPipelineAPI 无法实现的高级ML方案。

新的API将是强类型的，并且更加灵活。它是基于概念，如Estimators，Transforms和DataView。