Firma Microsoft wprowadziła niedawno ML.NET 3.0, najnowszą wersję swojej pionierskiej platformy uczenia maszynowego, która jest otwarta, wszechstronna i umożliwia integrację modeli uczenia maszynowego z aplikacjami .NET. Firma Microsoft ogłosiła tę zaawansowaną wersję 27 listopada, a programiści mogą z łatwością uzyskać do niej dostęp za pośrednictwem witryny dotnet.microsoft.com.
Wyjątkową cechą ML.NET 3.0 są rozszerzone możliwości głębokiego uczenia się, obejmujące wykrywanie obiektów, identyfikację nazwanych jednostek i odpowiadanie na pytania. Funkcje te zostały wzmocnione dzięki integracji i zgodności z modelami TorchSharp i ONNX. Ponadto niedawne wdrożenie usprawnia również wcześniejszą integrację z platformą wzmacniania gradientu LightGBM.
ML.NET 3.0 wzmacnia obsługę scenariuszy przetwarzania danych dzięki potężnym ulepszeniom i poprawkom błędów DataFrame. Wprowadza także nowe funkcje interoperacyjności IDataView, dzięki czemu zadania związane z ładowaniem danych, inspekcją, transformacją i wizualizacją są skuteczniejsze niż wcześniej.
W aktualizacji wydanej w maju firma Microsoft opublikowała informację o wykrywaniu obiektów w tym ML.NET Model Builder. Funkcje te opierają się na interfejsach API wykrywania obiektów obsługiwanych przez TorchSharp, które są częścią najnowszej wersji ML.NET 3.0. Interfejs API wykrywania obiektów wykorzystuje kilka nowatorskich technik opracowanych przez firmę Microsoft Research i jest wspierany przez architekturę sieci neuronowej opartą na transformatorze, utworzoną w programie TorchSharp. Co więcej, ta funkcja wykrywania obiektów jest zawarta w pakiecie Microsoft ML.TorchSharp 3.0.0.
Oprócz wyżej wymienionych, ML.NET 3.0 zapewnia znaczące możliwości przetwarzania języka naturalnego, w tym niezawodne struktury odpowiadania na pytania i rozpoznawania nazwanych jednostek. Te scenariusze zostały odblokowane poprzez rozwinięcie istniejących funkcji klasyfikacji tekstu TorchSharp RoBERTa wprowadzonych w ML.NET 2.0. Poza tym zaktualizowana wersja zawiera nowe funkcje automatycznego uczenia maszynowego (AutoML), a AutoML Sweeper pomaga teraz w porównywaniu zdań, odpowiadaniu na pytania i wykrywaniu obiektów.
DataFrame przeszedł kilka aktualizacji w ML.NET 3.0, wzmacniając scenariusze ładowania danych dzięki możliwości importowania i eksportowania danych z baz danych SQL. Jest to możliwe dzięki ADO.NET, który jest kompatybilny z bazami danych obsługującymi SQL. DataFrame zwiększyła także wydajność arytmetyczną w scenariuszach klonowania kolumn i porównań binarnych, a także poprawiła obsługę wartości null podczas wykonywania operacji arytmetycznych. Dzięki temu transformacja danych wymaga mniejszej liczby kroków. Co więcej, wprowadzono ulepszenia debugera, aby zapewnić lepszą czytelność danych wyjściowych dla siatek z rozbudowanymi nazwami kolumn. Wprowadza także nowy zestaw interfejsów API do obsługi operacji tensorowych w ramach prymitywów tensorowych.
Podobnie jak platformy nie wymagające kodu, takie jak AppMaster , firma Microsoft nieustannie wprowadza innowacje i udoskonala. Technologiczny gigant pracuje jednocześnie nad planami dla .NET 9 i ML.NET 4.0. W międzyczasie firma zobowiązała się, że użytkownicy mogą spodziewać się aktualizacji narzędzia Model Builder i interfejsu ML.NET CLI w celu uzupełnienia wersji ML.NET 3.0. Microsoft planuje także rozszerzenie scenariuszy głębokiego uczenia się i integracji, wprowadzając ulepszenia DataFrame. Na koniec firma ujawniła zamiar rozszerzenia interfejsów API w System.Numerics.Tensors i zintegrowania ich z ML.NET.
