标签: ml.net

我在这里查看cs文件:https: //www.microsoft.com/net/learn/apps/machine-learning-and-ai/ml-dotnet/get-started/windows 并尝试翻译它到F#它编译得很好但是System.Reflection.TargetInvocationException在运行时抛出:FormatException: One of the identified items was in an invalid format.我错过了什么？

编辑:之前使用的是记录

open Microsoft.ML
open Microsoft.ML.Runtime.Api
open Microsoft.ML.Trainers
open Microsoft.ML.Transforms
open System

type IrisData = 
    [<Column("0")>] val mutable SepalLength : float
    [<Column("1")>] val mutable SepalWidth : float
    [<Column("2")>] val mutable PetalLength : float
    [<Column("3")>] val mutable PetalWidth : float
    [<Column("4");ColumnName("Label")>] val mutable Label : string

    new(sepLen, sepWid, petLen, petWid, label) = 
        { SepalLength = sepLen
          SepalWidth = sepWid
          PetalLength = petLen
          PetalWidth …

我创建了一个新的控制台应用程序 .net46，安装了最新的 ML 并尝试了一个简单的 LDA。得到上面的错误。我在网上找到的修复程序似乎都不起作用。它正在寻找不存在的 System.Numerics.Vectors 的 4.1.3.0 版本。

我有一个我构建的 TensorFlow 模型（一个 1D CNN），我现在想将其实现到 .NET 中。
为此，我需要知道输入和输出节点。
当我将模型上传到Netron 时，根据我的保存方法，我得到了一个不同的图表，唯一看起来正确的图表来自 h5 上传。这是model.summary()：

如果我将模型保存为 h5model.save("Mn_pb_model.h5")并将其加载到 Netron 中以绘制图形，一切看起来都是正确的：

但是，ML.NET 不接受 h5 格式，因此需要将其保存为 pb。

在查看在 ML.NET 中采用 TensorFlow 的示例时，该示例显示了一个 TensorFlow 模型，该模型以与SavedModel格式类似的格式保存- 由 TensorFlow 推荐（同时也是 ML.NET在此处推荐的“下载未冻结的 [SavedModel 格式] ……”）。但是，当将 pb 文件保存并加载到 Netron 时，我得到了这个：

再放大一点（在最右边），

正如你所看到的，它看起来不像它应该的那样。
此外，输入节点和输出节点不正确，因此它不适用于 ML.NET（我认为有些问题）。
我使用TensorFlow推荐的方法来确定输入/输出节点：

当我尝试获取冻结图并将其加载到 Netron 时，起初它看起来是正确的，但我不认为它是：

有四个原因我认为这是不正确的。

• 它与作为 h5 上传时的图表大不相同（在我看来是正确的）。
• 正如您从前面看到的，我始终使用 1D 卷积，这表明它变为 2D（并且保持这种方式）。
• 此文件大小为 128MB，而 TensorFlow 到 ML.NET 示例中的文件大小仅为 252KB。即使是Inception模型也只有 …

我在这里查看cs文件:https://www.microsoft.com/net/learn/apps/machine-learning-and-ai/ml-dotnet/get-started/windows,一切正常.

现在我想改进一下这个例子:我想预测一个只有数字的数据集而不是数字字符串数据集,例如预测七段显示的输出.

这是我的超级简单数据集,最后一列是我想要预测的int数:

1,0,1,1,1,1,1,0
0,0,0,0,0,1,1,1
1,1,1,0,1,1,0,2
1,1,1,0,0,1,1,3
0,1,0,1,0,1,1,4
1,1,1,1,0,0,1,5
1,1,1,1,1,0,1,6
1,0,0,0,0,1,1,7
1,1,1,1,1,1,1,8
1,1,1,1,0,1,1,9

这是我的测试代码:

public class Digit
{
    [Column("0")] public float Up;

    [Column("1")] public float Middle;

    [Column("2")] public float Bottom;

    [Column("3")] public float UpLeft;
    [Column("4")] public float BottomLeft;
    [Column("5")] public float TopRight;
    [Column("6")] public float BottomRight;

    [Column("7")] [ColumnName("DigitValue")]
    public float DigitValue;
}

public class DigitPrediction
{
    [ColumnName("PredictedDigits")] public float PredictedDigits;
}

public PredictDigit()
{
    var pipeline = new LearningPipeline();
    var dataPath = Path.Combine("Segmenti", "segments.txt");
    pipeline.Add(new TextLoader<Digit>(dataPath, …

我正在尝试使用一些随机测试数据的ML.net框架.我的数据存在DepartmentId(1-25)和Body(字符串).我希望我的机器预测应该分配正文的部门(例如在像Zendesk这样的票务系统中).

使用以下代码,我收到一个错误:

ArgumentOutOfRangeException:缺少分数列

我不确定为什么它会说Score列缺失,因为它出现在我的预测课程中.

这是我训练模型以及课程的设置.

主要

var pipeline = new LearningPipeline();
pipeline.Add(new TextLoader(_dataPath).CreateFrom<DepartmentData>(userHeader: true, seperator: ','));
pipeline.Add(new TextFeaturizer("Features", "Body"));
pipeline.Add(new Dictionarizer("Label"));
pipeline.Add(new StochasticDualCoordinateAscentClassifier());
pipeline.Add(new PredictedLabelColumnOriginalValueConverter() { PredictedLabelColumn = "PredictedLabel" });

var model = pipeline.Train<DepartmentData, DepartmentPrediction>();

DepartmentData和DepartmentPrediction

public class DepartmentData
{
    [Column(ordinal: "0", name: "Label")]
    public float Department;
    [Column(ordinal: "1")]
    public string Body;
}

public class DepartmentPrediction
{
    [ColumnName("PredictedLabel")]
    public float Department;

    [ColumnName("Score")]
    public float[] Score;
}

示例数据

Department, Body
1, Hello. 4 weeks ago I requested a replacement …

这是从TaxiFarePrediction示例复制的ML.Net管道对象的创建.

        LearningPipeline pipeline = new LearningPipeline
        {
            new TextLoader(TrainDataPath).CreateFrom<TaxiTrip>(separator:','),
            new ColumnCopier(("FareAmount", "Label")),
            new CategoricalOneHotVectorizer("VendorId","RateCode","PaymentType"),
            new ColumnConcatenator("Features","VendorId","RateCode","PassengerCount","TripDistance","PaymentType"),
            new FastTreeRegressor()
        };

基本上,我想在ColumnCopier,CategoricalOneHotVectorizer和ColumnConcatenator应用之后返回数据.

我是机器学习的新手。我遇到了 ML.NET（微软的机器学习框架）。我们可以使用这个框架进行语音识别吗？如果您想在 ML.NET 中进行语音识别，您应该了解哪些知识？

我是VS code/F#的新手(如果这很傻,那就是preapologies),我正在尝试构建一个F#控制台应用程序(在Windows工作站和我的Linux计算机上).

我和FAKE一起安装了Ionide扩展.

我正在考虑的代码是Iris示例(请参阅如何将介绍ML.Net演示转换为F#？),使用Ionide创建一个新的F#项目并使用Microsoft.ML.

我的iris.fsproj是

<?xml version="1.0" encoding="utf-8"?>
<Project Sdk="Microsoft.NET.Sdk">
  <PropertyGroup>
    <OutputType>Exe</OutputType>
    <TargetFramework>net461</TargetFramework>
    <DebugType>portable</DebugType>
    <AutoGenerateBindingRedirects>true</AutoGenerateBindingRedirects>
  </PropertyGroup>
  <ItemGroup>
    <Compile Include="iris.fs" />
    <None Include="App.config" />
  </ItemGroup>
  <Import Project="..\.paket\Paket.Restore.targets" />
</Project>

运行脚本时(我使用"播放"按钮,也就是F#:运行VS Code/Ionide提供的脚本),我得到:

C:\Users\MyUser\.nuget\packages\microsoft.ml\0.2.0\build\Microsoft.ML.targets(16,5): error : Microsoft.ML currently supports 'x64' processor architectures. Please ensure your application is targeting 'x64'.

和...一起

Running build failed. Error: System.Exception: dotnet build failed

如何使用Ionide提供的项目结构来定位x64？

我正在培训ML.Net机器学习模型.我可以训练它并从中预测,并从磁盘中保存/加载它.但我需要能够将其从磁盘上加载,然后重新训练,或者添加新信息以便随着时间的推移对其进行改进.

有谁知道这是否可能？我在MS文档中没有找到任何关于如何做到这一点的内容,但对于ML来说这是一个非常标准的事情,所以如果不可能的话我会感到惊讶.

谢谢

我正在使用ML.NET 0.7，并且具有一个带有以下结果类的MulticlassClassification模型：

public class TestClassOut
{
  public string Id { get; set; }
  public float[] Score { get; set; }
  public string PredictedLabel { get; set; }
}

我想知道该Scores物业的分数和相应的标签。感觉像我应该能够使该属性成为a Tuple<string,float>或类似属性以获得得分所代表的标签。

我了解V0.5上有一种方法：

model.TryGetScoreLabelNames(out scoreLabels);

但似乎找不到V0.7中的等效项。

能做到吗？如果是这样怎么办？