今天大姚给大家分享一个.NET开源、免费、跨平台（支持Windows、Linux、macOS多个操作系统）的机器学习框架：ML.NET。并且本文将会带你快速使用ML.NET训练一个属于自己的图像分类模型，对图像进行分类。
ML.NET 允许开发人员在其 .NET 应用程序中轻松构建、训练、部署和使用自定义模型，而无需具备开发机器学习模型的专业知识或使用 Python 或 R 等其他编程语言的经验。该框架提供从文件和数据加载的数据。数据库，支持数据转换，并包含许多机器学习算法。
AI 是一个计算分支，涉及训练计算机执行通常需要人类智能的操作。机器学习是 AI 的一部分，它涉及计算机从数据中学习和在数据中发现模式，以便能够自行对新数据进行预测。
目前ML.NET支持.NET、.NET Core (版本 2.0 及更高版本)和 .NET Framework (版本 4.6.1 及更高版本)。
首先需要准备好本机的.NET开发环境：
选择.NET 桌面开发工作负荷以及可选的 ML.NET Model Builder 组件。
ML.NET Model Builder 组件介绍：提供易于理解的可视界面，用于在 Visual Studio 内生成、训练和部署自定义机器学习模型。
创建一个名为：MLNETExercise的.NET8 WinForms应用。
private void Btn_SelectImage_Click(object sender, EventArgs e)
{
using (OpenFileDialog openFileDialog = new OpenFileDialog())
{
openFileDialog.Title = "Select Image";
openFileDialog.Filter = "Image Files (*.jpg, *.png, *.bmp)|*.jpg;*.png;*.bmp|All Files (*.*)|*.*";
if (openFileDialog.ShowDialog() == DialogResult.OK)
{
// 获取用户选择的文件路径
string selectedImagePath = openFileDialog.FileName;
// 从文件加载图片
Image img = Image.FromFile(openFileDialog.FileName);
this.pictureBox.Image = img;
var imageBytes = File.ReadAllBytes(selectedImagePath);
MLImageAnalysis.ModelInput sampleData = new MLImageAnalysis.ModelInput()
{
ImageSource = imageBytes,
};
//Load model and predict output
var result = MLImageAnalysis.Predict(sampleData);
this.txt_Box.Text = result.PredictedLabel;
}
}
}
更多项目实用功能和特性欢迎前往项目开源地址查看👀，别忘了给项目一个Star支持💖。
该项目已收录到C#/.NET/.NET Core优秀项目和框架精选中，关注优秀项目和框架精选能让你及时了解C#、.NET和.NET Core领域的最新动态和最佳实践，提高开发工作效率和质量。坑已挖，欢迎大家踊跃提交PR推荐或自荐（让优秀的项目和框架不被埋没🤞）。