dotnet/machinelearning-samples
Machinelearning Samples
Ce dépôt est une collection d'implémentations de référence, de templates et de galeries d'exemples pour construire et intégrer des modèles de machine learning au sein de l'écosystème .NET. Il fournit un ensemble de démonstrations pratiques pour implémenter des workflows de machine learning en utilisant le framework ML.NET.
Le projet met l'accent sur l'intégration de modèles pré-entraînés via le format Open Neural Network Exchange, permettant l'exécution de logique de machine learning externe au sein d'applications managées. Il inclut des exemples spécifiques pour charger et exécuter ces modèles standardisés afin d'assurer la compatibilité multiplateforme.
Les exemples couvrent une gamme de tâches d'apprentissage supervisé, incluant la classification de sentiment textuel, l'analyse d'images et de vidéos pour la détection d'objets, et la prévision de séries temporelles. Il fournit également des implémentations pour la détection d'anomalies réseau et des outils pour l'optimisation d'hyperparamètres et les pipelines de transformation de données.
Features
- .NET Machine Learning Integrations - Integrates machine learning models and predictive capabilities specifically within the .NET ecosystem.
- Data Transformation Pipelines - Implements frameworks for filtering, cleaning, and modifying data before it is used in model generation.
- Image and Video Analysis - Implements machine learning workflows to classify image content and detect objects within real-time video streams.
- External Model Loading - Provides capabilities for importing and initializing pre-trained models from the standardized ONNX open format.
- ONNX Model Runtimes - Provides runtimes that load and execute ONNX models for cross-framework inference.
- Supervised Learning - Implements various classification and regression tasks using models trained on labeled data.
- Time Series Forecasting - Implements models and architectures designed for predicting future values in temporal data sequences.
- Real-Time Object Detection - Provides tools for identifying and locating specific objects within live video streams or webcam footage.
- Custom Data Transform Extensions - Provides mechanisms for defining and registering custom data preprocessing logic within machine learning pipelines.
- Feature Extraction - Provides tools for converting raw visual data into meaningful numerical representations for analysis.
- Image Classification - Implements systems that assign labels or categories to images based on their visual content.
- Hyperparameter Optimization - Implements automated methods for searching and selecting the best configuration parameters for a model.
- Dataset-Driven Model Generators - Provides capabilities to generate high-quality machine learning models and the source code required to execute them from datasets.
- Sentiment Classifiers - Provides implementation examples for building neural network architectures that classify the emotional tone of text data.
- Anomaly Detection - Provides reference implementations for identifying unusual patterns in network traffic and system logs.
- AI and Machine Learning - Interactive UI samples for sentiment analysis and prediction.
