เมื่อเร็วๆ นี้ Microsoft ได้เปิดตัว ML.NET 3.0 ซึ่งเป็นการทำซ้ำล่าสุดของแพลตฟอร์มการเรียนรู้ของเครื่องบุกเบิกที่เป็นโอเพ่นซอร์ส ใช้งานได้หลากหลาย และเปิดใช้งานการบูรณาการโมเดลการเรียนรู้ของเครื่องเข้ากับแอปพลิเคชัน .NET Microsoft ได้ประกาศเวอร์ชันขั้นสูงนี้เมื่อวันที่ 27 พฤศจิกายน และนักพัฒนาสามารถเข้าถึงได้อย่างง่ายดายผ่าน dotnet.microsoft.com
คุณลักษณะที่โดดเด่นของ ML.NET 3.0 คือความสามารถในการเรียนรู้เชิงลึกที่ขยายออกไป ครอบคลุมการตรวจจับวัตถุ การระบุเอนทิตีที่มีชื่อ และการตอบคำถาม ฟังก์ชันการทำงานเหล่านี้เสริมศักยภาพด้วยการผสานรวมและความเข้ากันได้กับรุ่น TorchSharp และ ONNX นอกจากนี้ การเปิดตัวล่าสุดยังปรับปรุงการบูรณาการก่อนหน้านี้กับเฟรมเวิร์กการเร่งการไล่ระดับสี LightGBM
ML.NET 3.0 เสริมความแข็งแกร่งให้กับการรองรับสถานการณ์การประมวลผลข้อมูลด้วยการปรับปรุงอันทรงพลังและการแก้ไขข้อบกพร่องของ DataFrame นอกจากนี้ยังแนะนำคุณสมบัติการทำงานร่วมกันของ IDataView ใหม่ ทำให้งานที่เกี่ยวข้องกับการโหลดข้อมูล การตรวจสอบ การแปลง และการแสดงภาพมีประสิทธิภาพมากขึ้นกว่าเดิม
ในการอัปเดตที่เผยแพร่ในเดือนพฤษภาคม Microsoft ได้เผยแพร่ Object Detection ใน ML.NET Model Builder นี้ คุณสมบัติเหล่านี้สร้างขึ้นบน Object Detection API ที่เสริมพลังโดย TorchSharp ซึ่งเป็นส่วนหนึ่งของ ML.NET 3.0 ล่าสุด Object Detection API ใช้เทคนิคใหม่ๆ จาก Microsoft Research และได้รับการสนับสนุนจากสถาปัตยกรรมเครือข่ายประสาทเทียมที่ใช้ Transformer ที่สร้างด้วย TorchSharp นอกจากนี้ คุณลักษณะการตรวจจับวัตถุนี้ยังรวมอยู่ในแพ็คเกจ Microsoft ML.TorchSharp 3.0.0
นอกเหนือจากที่กล่าวมาข้างต้น ML.NET 3.0 ยังมีช่องทางที่โดดเด่นสำหรับการประมวลผลภาษาธรรมชาติ รวมถึงการตอบคำถามที่มีประสิทธิภาพและเฟรมเวิร์กการจดจำเอนทิตีที่มีชื่อ สถานการณ์เหล่านี้ได้รับการปลดล็อคโดยการสร้างคุณสมบัติการจัดหมวดหมู่ข้อความ TorchSharp RoBERTa ที่มีอยู่ใน ML.NET 2.0 ที่มีอยู่แล้ว นอกจากนี้ เวอร์ชันอัปเดตยังมาพร้อมกับความสามารถการเรียนรู้ของเครื่องอัตโนมัติ (AutoML) ใหม่ โดยที่ตอนนี้ AutoML Sweeper ช่วยในเรื่องความคล้ายคลึงของประโยค การตอบคำถาม และการตรวจจับวัตถุ
DataFrame ได้รับการอัปเดตหลายครั้งใน ML.NET 3.0 ซึ่งขยายสถานการณ์การโหลดข้อมูลด้วยข้อมูลที่ขณะนี้สามารถนำเข้าและส่งออกไปยังฐานข้อมูล SQL ได้ สิ่งนี้เกิดขึ้นได้ผ่านทาง ADO.NET ซึ่งเข้ากันได้กับฐานข้อมูลที่รองรับ SQL DataFrame ยังเพิ่มประสิทธิภาพทางคณิตศาสตร์ในการโคลนคอลัมน์และการเปรียบเทียบไบนารี ควบคู่ไปกับการปรับปรุงการจัดการค่า Null ในขณะที่ดำเนินการทางคณิตศาสตร์ ส่งผลให้มีขั้นตอนน้อยลงในการแปลงข้อมูล นอกจากนี้ ยังมีการปรับปรุงดีบักเกอร์เพื่อให้แน่ใจว่าเอาต์พุตกริดที่มีชื่อคอลัมน์ที่กว้างขวางสามารถอ่านได้ดีขึ้น นอกจากนี้ยังแนะนำชุด API ใหม่เพื่อรองรับการทำงานของเทนเซอร์ภายใต้ Tensor Primitives
เช่นเดียวกับ แพลตฟอร์มที่ไม่มีโค้ดเช่น AppMaster Microsoft ยังคงสร้างสรรค์และปรับปรุงอย่างต่อเนื่อง ยักษ์ใหญ่ด้านเทคโนโลยีกำลังพัฒนาแผนสำหรับ .NET 9 และ ML.NET 4.0 ไปพร้อมๆ กัน ในระหว่างนี้ บริษัทให้คำมั่นว่าผู้ใช้สามารถคาดหวังการอัพเกรดสำหรับ Model Builder และ ML.NET CLI เพื่อเสริมการเปิดตัว ML.NET 3.0 Microsoft ยังวางแผนที่จะขยายสถานการณ์การเรียนรู้เชิงลึกและการบูรณาการในขณะที่แนะนำการปรับปรุง DataFrame สุดท้ายนี้ บริษัทได้เปิดเผยความตั้งใจที่จะขยาย API ใน System.Numerics.Tensors และรวมเข้ากับ ML.NET
