用Keras.NET 做一个图像识别的训练

最新推荐文章于 2024-09-27 19:00:00 发布

kinfey

最新推荐文章于 2024-09-27 19:00:00 发布

阅读量3.8k

点赞数

分类专栏： .NET Core Machine Learning SciSharp

本文链接：https://blog.csdn.net/kinfey/article/details/99691593

版权

本文介绍了如何在.NET Core环境中使用Keras.NET进行图像识别的深度学习训练。首先解释了Keras是一个Python编写的高层神经网络API，通过Tensorflow等后端运行。接着详细阐述了如何在不同平台上配置Keras.NET和Numpy.NET，特别是如何解决Python环境变量和依赖库的问题。然后提供了一个经典的猫狗分类图像识别示例，包括环境设置、CNN算法定义、数据整理、训练和保存模型的过程。最后强调了在Jupyter Notebook中进行C#代码实验的好处，鼓励.NET开发者利用Keras.NET探索机器学习/深度学习。

摘要由CSDN通过智能技术生成

.NET Core 的应用场景越来越广，开源社区也不断壮大， .NET Core在机器学习领域不断发展ML.NET外，也通过结合Tensorflow.NET去完善ML.NET在深度学习领域的功能，在ML.NET 1.3开始迈出了非常重要的一步。这不仅是微软拥抱开源的策略，也是对SciSharp社区的认可。SciSharp社区不仅有Tensorlow.NET优秀的产品，也有很多对基于Python机器学习/深度学习库的封装，这补充了现阶段ML.NET在发展阶段功能不全的缺陷，也让更成熟的机器学习/深度学习方案应用在.NET Core的生产环境中。今天我会介绍一下Keras.NET并通过Keras.NET做一个图像识别的深度学习训练。

什么是Keras?

Keras是一个用Python编写通过Tensorflow、PlaidML以及CNTK作为后端的高层神经网络API。Keras让你用最简单的方式快速完成深度学习(https://keras-cn.readthedocs.io/en/latest/) 。不少人喜欢用Keras进行模型训练。 ScipySharp社区也对 Keras通过pythonnet进行了封装(https://github.com/SciSharp/Keras.NET) 。

如何用Keras.NET?

最低0.47元/天解锁文章