Llegamos a ustedes gracias a:



Noticias

Microsoft refuerza la API de aprendizaje automático de ML.Net

[15/10/2018] Microsoft ha lanzado la versión 0.6 de su framework de aprendizaje automático ML.Net, dirigido a desarrolladores .Net. La actualización agrega un nuevo y más útil conjunto de APIs de creación de modelos, la capacidad de usar más modelos existentes para proporcionar predicciones y un mejor rendimiento en general.

La API original de ML.Net limitaba los tipos de pipelines que podría crear y tenía algunas restricciones torpes en el etiquetado y los datos de puntuación. La nueva API permite con mayor flexibilidad que los procesos de entrenamiento y predicción estén formados por múltiples componentes que se pueden unir en varios tipos de combinaciones, en lugar de requerir un solo pipeline lineal. El objetivo es emular el diseño de APIs utilizados para otros frameworks como Apache Spark.

Según Microsoft, la nueva API de ML.Net permite hacer cosas como "compartir la ejecución de una transformación dada y los datos transformados con múltiples aprendices y capacitadores, o descomponer los pipelines y agregar múltiples aprendices.

La antigua API de ML.Net quedará desfasada al moverse a un namespace legado para que el software existente pueda seguir utilizándola por el momento.

La nueva API de ML.Net también usa tipos C# fuertes, por lo que cualquier error cometido al diseñar un pipeline se muestra a inicios del proceso y se puede eliminar.

Las versiones anteriores de ML.Net permitían la reutilización de los modelos de TensorFlow. La nueva API de ML.Net amplía esto al permitir que un modelo TensorFlow existente se cargue y se use para predicciones sin tener que escribir un proceso de entrenamiento para hacerlo. La puntuación de TensorFlow en general también es más rápida, algunas predicciones se han acelerado en varios órdenes de magnitud.

ML.Net 0.6 también introduce la capacidad de calificar predicciones utilizando modelos creados en el formato abierto de ONNX. Los modelos ONNX pueden ser exportados y reutilizados por otros frameworks, incluyendo TensorFlow y Scikit-learn. ML.Net ha tenido durante mucho tiempo la capacidad de exportar modelos como ONNX; ahora puede tomar modelos ONNX y usarlos también para puntuar predicciones.