SciSharp-Stack-Examples 项目教程
1. 项目介绍
SciSharp-Stack-Examples 是一个包含了许多实用示例的仓库,这些示例使用 SciSharp 的机器学习库编写。SciSharp 是一个致力于将 Python 的机器学习生态系统(如 TensorFlow、Keras 等)移植到 .NET 平台的开源项目。通过这些示例,开发者可以快速上手使用 .NET 进行深度学习。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你已经安装了以下工具:
- .NET Core 5.0
- Visual Studio 2019 或 Visual Studio Code
2.2 克隆项目
首先,克隆 SciSharp-Stack-Examples 仓库到本地:
git clone https://github.com/SciSharp/SciSharp-Stack-Examples.git
2.3 运行示例
进入项目目录并运行特定示例:
cd SciSharp-Stack-Examples/src/TensorFlowNET.Examples
dotnet run --project TensorFlowNET.Examples.csproj -ex "Linear Regression (Graph)"
3. 应用案例和最佳实践
3.1 手写数字识别
在 src/TensorFlowNET.Examples/ImageProcessing 目录下,你可以找到 DigitRecognitionCNN.cs 文件,这是一个使用卷积神经网络(CNN)进行手写数字识别的示例。
3.2 线性回归
在 src/TensorFlowNET.Examples/BasicModels 目录下,LinearRegression.cs 文件展示了如何使用 TensorFlow.NET 进行线性回归。
3.3 图像分类
在 src/TensorFlowNET.Examples/ImageProcessing 目录下,ImageClassification.cs 文件展示了如何使用 Keras 进行图像分类。
4. 典型生态项目
4.1 TensorFlow.NET
TensorFlow.NET 是 SciSharp 生态系统中的核心项目之一,它提供了对 TensorFlow 的 .NET 绑定,使得开发者可以在 .NET 环境中使用 TensorFlow。
4.2 Keras.NET
Keras.NET 是 SciSharp 生态系统中的另一个重要项目,它提供了对 Keras 的 .NET 绑定,使得开发者可以在 .NET 环境中使用 Keras 进行深度学习模型的构建和训练。
4.3 NumSharp
NumSharp 是 SciSharp 生态系统中的一个数值计算库,它提供了类似于 NumPy 的功能,使得开发者可以在 .NET 环境中进行高效的数值计算。
通过这些生态项目,SciSharp 为 .NET 开发者提供了一个完整的机器学习工具链,使得开发者可以在 .NET 平台上进行高效的机器学习和深度学习开发。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C037
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0114
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00