machinelearning-samples

专为.NET开发者设计的跨平台的开源机器学习框架

ML.NET 跨平台开源机器学习 MLOps Github 开源项目

ML.NET是一个跨平台的开源机器学习框架，专为.NET开发者设计。它提供丰富的样例和教程，涵盖二分类、多分类、推荐系统、回归、时间序列预测、异常检测和聚类等任务，方便开发者将机器学习模型集成至现有或新建的.NET应用中。项目还提供了完整的端到端应用示例，包括Web和桌面应用，扩展了机器学习的实际应用场景。

访问官网

Github

介绍相关项目

machinelearning - 跨平台开源框架，简化.NET应用中的模型开发与部署

GithubML.NET开源框架开源项目机器学习模型训练自定义模型

ML.NET是一个跨平台的开源机器学习框架，使开发者无需机器学习经验即可在.NET应用中构建、训练和部署定制模型。它支持从文件和数据库加载数据，并进行数据转换，具备多种机器学习算法。ML.NET适用于分类、预测和异常检测等多种场景，并兼容TensorFlow和ONNX模型，扩展性强。支持Windows、Linux和macOS操作系统，以及ARM64和Apple M1处理器架构。

azureml-examples - Azure Machine Learning示例库,教程与多语言SDK示例，包括Python、.NET和TypeScript

Azure CLIAzure MLAzure Machine LearningGithubPython SDKdotnet SDK开源项目

Azure Machine Learning示例库涵盖丰富的教程和多语言SDK示例，包括Python、.NET和TypeScript。提供使用Azure CLI扩展的实例，帮助快速上手和深入理解Azure ML功能。项目鼓励社区贡献，并遵循微软开源行为准则。

Windows-Machine-Learning - 低延迟的机器学习推理API，适用于各种应用

GithubONNX RuntimeWindows Machine Learning工具开源项目机器学习模型优化

Windows Machine Learning通过ONNX Runtime和DirectML提供高效低延迟的机器学习推理API，适用于框架、游戏等实时应用。项目还包含多种模型转换和优化工具，示例以及开发者工具，帮助开发者在Windows应用中轻松实现机器学习。了解更多关于模型样本、高级场景和开发者工具的信息，并访问详细的教程和指南。

OnnxStack - 高效机器学习集成框架无缝对接.NET生态

.NETGithubONNX RuntimeStableDiffusion图像处理开源项目机器学习

OnnxStack为.NET开发者提供了一个便捷的机器学习集成方案。它与ONNX Runtime和Microsoft ML无缝对接，支持Stable Diffusion、图像放大和对象检测等AI模型。开发者可以在.NET环境中直接构建和运行机器学习应用，不再依赖Python。这个框架大大简化了AI开发流程，是.NET生态系统中的一个重要补充。

azureai-samples - Azure AI官方示例代码库涵盖多领域实践资源

AI应用Azure AIGithub开发者资源开源项目示例代码

azureai-samples是一个开源代码仓库，汇集了Azure AI各领域的官方示例和实践指南。仓库涵盖AI Studio、AI Search、AI Assistant等多个方向，提供端到端样例和常用开发任务代码。开发者可在本地环境中尝试Azure AI场景，快速掌握相关技术。该项目支持社区贡献，为AI开发提供全面的学习资源。

MKL.NET - 跨平台数学计算库整合Intel MKL功能

.NET APIGithubMKL.NET开源项目矩阵运算英特尔MKL跨平台

MKL.NET作为跨平台.NET API，为Intel MKL提供接口。项目保持与MKL C开发者参考手册相近的语法，实现了矩阵代数、优化算法和统计函数等数学计算功能。设计开放且易用，通过GitHub Actions进行跨平台测试。MKL.NET采用NuGet包管理，支持多种运行时环境，是一个灵活的数学计算工具。

TensorFlow.NET - 用 C# 实现完整的 Tensorflow API，允许 .NET 开发人员使用跨平台的 .NET Standard 框架开发、训练和部署机器学习模型

.NETGithubKerasTensorFlowTensorFlow.NET开源项目机器学习

TensorFlow.NET为.NET Standard框架提供了TensorFlow绑定，使.NET开发者能够使用C#或F#进行机器学习模型的开发、训练和部署。项目内置Keras高级接口，支持将Python代码无缝移植到.NET环境，适用于Windows、Linux和MacOS系统，并支持CPU和GPU版本。

ML-examples - 详细的机器学习教程和示例源代码，涵盖Android、Raspberry Pi和Arm Corstone等多种平台

Arm NNCMSISGithubPyArmNNRaspberry PiTensorFlow Lite开源项目

提供详细的机器学习教程和示例源代码，涵盖Android、Raspberry Pi和Arm Corstone等多种平台。展示TensorFlow Lite模型部署、卷积神经网络训练、多手势识别和火焰检测等项目，助力开发者快速实现高效AI解决方案。源代码均可在GitHub上获取，并配有详细教程，适合所有开发者。

mlx-swift-examples - MLX Swift机器学习示例程序与开发工具集

GithubMLX SwiftiOSmacOS开源项目机器学习示例程序

MLX Swift示例项目包含多个机器学习应用实例，涵盖MNIST训练器、LLM评估器等iOS和macOS跨平台程序，以及线性模型训练、LLM文本生成等命令行工具。项目还提供MLXLLM和MLXMNIST库作为Swift Package，便于开发者在自有项目中集成和使用MLX Swift框架进行机器学习开发。

Made-With-ML - 学习设计、开发、部署和迭代机器学习生产系统的开放资源

GithubMLOpsMade With ML开源项目机器学习模型部署软件工程

Made With ML 是开发者学习设计、开发、部署和迭代机器学习生产系统的开放资源。它提供完整课程和代码实践指导，支持本地及云集群环境配置，适合求知欲强的技术人员和研究者。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号