ML.NET 5.0预览版1发布:新增Tokenizer模型与多项改进
2025-06-07 20:53:16作者:咎竹峻Karen
项目简介
ML.NET是微软推出的开源机器学习框架,专为.NET开发者设计。它允许开发者在不具备专业机器学习知识的情况下,利用C#或F#等.NET语言构建和部署机器学习模型。ML.NET提供了从数据预处理到模型训练、评估和部署的全套工具链,特别适合企业级应用开发。
核心更新内容
新增Tokenizer模型支持
本次预览版最值得关注的是新增了两种Tokenizer模型支持:
-
SentencePiece Unigram Tokenizer模型:
- 这是一种基于Unigram语言模型的子词分割算法
- 特别适合处理亚洲语言和复杂形态的语言
- 相比传统的BPE算法,Unigram模型能更好地处理罕见词汇
-
Phi-4 Tokenizer支持:
- 专为微软Phi-4语言模型优化的分词器
- 提供了更高效的文本预处理能力
- 支持现代NLP任务中的特殊token处理
模型映射增强
框架新增了对O3 OpenAI模型的映射支持,这使得开发者可以更方便地在ML.NET生态中使用OpenAI的预训练模型,为自然语言处理任务提供了更多选择。
重要问题修复
-
CSV导出问题:
- 修复了DateTime类型数据在不同文化环境下导出CSV时可能出现格式不一致的问题
- 现在可以确保日期时间数据的跨文化一致性
-
多线程安全问题:
- 解决了特殊token集合在多线程环境下可能出现的"Collection Modified"错误
- 提升了框架在高并发场景下的稳定性
-
DataFrame继承问题:
- 修复了DataFrameColumn类继承链中的问题
- 确保了数据框架操作的可靠性和一致性
性能与兼容性改进
-
依赖项更新:
- 升级了System.Numerics.Tensors等核心依赖
- 优化了内存管理和计算性能
-
.NET 8支持:
- 增强了对.NET 8的兼容性测试
- 确保框架能在最新.NET运行时上稳定运行
开发者体验优化
-
文档改进:
- 完善了MLContext的API文档
- 更新了Tokenizer组件的使用说明
- 新增了监督式微调(SFT)的示例代码
-
依赖管理:
- 统一了System.Numerics.Tensors的版本依赖
- 减少了潜在的版本冲突问题
技术价值分析
本次更新特别强化了ML.NET在自然语言处理领域的能力。新增的Tokenizer模型支持使得处理复杂文本数据更加高效,特别是对多语言场景的支持有了显著提升。同时,框架稳定性的增强和文档的完善,进一步降低了开发者入门机器学习的门槛。
对于企业开发者而言,这些改进意味着可以更轻松地构建支持多语言的智能应用,同时确保生产环境中的稳定性和可靠性。特别是在处理全球化业务场景时,修复的文化相关问题和增强的多语言支持将发挥重要作用。
ML.NET 5.0预览版1的这些改进,展现了该项目向更成熟的企业级机器学习框架发展的决心,同时也保持了对开发者友好的一贯理念。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-TerminusDeepSeek-V3.1-Terminus是V3的更新版,修复语言问题,并优化了代码与搜索智能体性能。Python00
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AudioFly
AudioFly is a text-to-audio generation model based on the LDM architecture. It produces high-fidelity sounds at 44.1 kHz sampling rate with strong alignment to text prompts, suitable for sound effects, music, and multi-event audio synthesis tasks.Python00- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp课程视频测验中的Tab键导航问题解析2 freeCodeCamp音乐播放器项目中的函数调用问题解析3 freeCodeCamp论坛排行榜项目中的错误日志规范要求4 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析5 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析6 freeCodeCamp全栈开发课程中React实验项目的分类修正7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 OpenSSL 3.3.0资源下载指南:新一代加密库的全面解析与部署教程 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.94 K

deepin linux kernel
C
22
6

React Native鸿蒙化仓库
C++
192
274

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
554

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
887
394

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
512