IT之家 11 月 29 日消息，微軟日前宣布推出跨平臺機器學(xué)習(xí)框架 ML.NET 3.0，主要強化了深度學(xué)習(xí)功能，改進 ML.NET 數(shù)據(jù)處理能力，并添加了英特爾 oneDAL 加速訓(xùn)練技術(shù)，以及自動機器學(xué)習(xí)等功能。
▲ 圖源微軟
IT之家注意到，ML.NET 3.0 提供了多項深度學(xué)習(xí)功能，包含“物體檢測”、“命名實體辨識”和“問答處理”等。
其中“物體檢測”能夠在圖像中定位并分類不同類型的實體，官方介紹稱，物體檢測是一項電腦視覺任務(wù)，和“圖像分類”關(guān)系密切，但分類相對更精細(xì)，當(dāng)影像中包含不同類型的物體時，官方建議使用相關(guān)功能。
而命名實體辨識和問答處理基于微軟新添加的 TorchSharp API，該API 是一個.NET 庫，號稱結(jié)合了微軟研究院的最新技術(shù)與 TorchSharp 中 Transformer 神經(jīng)網(wǎng)絡(luò)架構(gòu)，并通過現(xiàn)有的 TorchSharp RoBERTa 文字分類功能作為基礎(chǔ)，從而實現(xiàn)了上述功能。
此外，微軟在先前發(fā)布 ML.NET 2.0 不久后，便宣布要為英特爾的oneDAL 加速訓(xùn)練技術(shù)提供支持，目前這項功能已經(jīng)在 ML.NET 3.0 中登場，能夠顯著加速數(shù)據(jù)分析和機器學(xué)習(xí)過程。
微軟還更新了 ML.NET 3.0 自動機器學(xué)習(xí)（AutoML）功能，帶來了語句相似性、問答處理和物體偵測等功能，能夠協(xié)助開發(fā)者選擇最適合的模型和參數(shù)，令開發(fā)者更容易設(shè)計機器學(xué)習(xí)模型。
IT之家同時發(fā)現(xiàn)，ML.NET 現(xiàn)在具有連續(xù)資源監(jiān)控能力，可以通過 AutoML.IMonitor 監(jiān)控 RAM 和硬盤空間使用情況，便于開發(fā)者控制長期運作的實驗，避免運行的進程因 RAM 或 ROM 不足導(dǎo)致崩潰，同時便于開發(fā)者直觀地查看進程的各項參數(shù)。
ML.NET 3.0 還整合了 Tensor Primitives，這是一套專門用于張量運算的新 API，能夠進一步推進.NET 在人工智能數(shù)學(xué)運算的應(yīng)用。該 API 不僅運用硬件內(nèi)部指令集來加速運算效率，還結(jié)合泛型數(shù)學(xué)（Generic Math）的原理概念，號稱是“開發(fā)者處理復(fù)雜數(shù)學(xué)和繁瑣數(shù)據(jù)的強大工具”。
▲ 圖源微軟
