<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[SciSharp Stack]]></title><description><![CDATA[基于.NET的数据科学、机器学习与AI的开源软件生态]]></description><link>https://blog.youkuaiyun.com/SciSharp</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; SciSharp]]></copyright><item><title><![CDATA[TensorFlow.NET 支持队列操作]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/101205118</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/101205118</guid><author>SciSharp</author><pubDate>Mon, 23 Sep 2019 14:51:27 +0800</pubDate><description><![CDATA[ThensorFlow能够并行处理多个任务，而队列是一种强大的异步计算机制。 如果我们拥有大型数据集，则可以大大加快模型的训练过程。 当以小批量读取，预处理和提取我们的训练数据时，此功能特别方便。 能够对我们的模型进行专业且高性能的训练的秘诀是使用TensorFlow提供的排队操作。 TensorFlow已经实现了4种类型的队列：FIFOQueue，PaddingFIFOQueue，Priorit...]]></description><category></category></item><item><title><![CDATA[在C#中像Python一样编写TensorFlow机器学习代码]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100223186</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100223186</guid><author>SciSharp</author><pubDate>Mon, 02 Sep 2019 12:23:51 +0800</pubDate><description><![CDATA[机器学习是一个激动人心的领域，一直有新的技术突破。研究人员不断推动机器智能的提升，教机器如何看，听，读，写和听——这些曾经是我们人类专属领域的技能。
机器学习的首选语言是Python，最受欢迎的库是Google的TensorFlow。几乎所有的代码示例都是用Python编写的，并且依赖于TensorFlow和NumPy库。对C＃和.NET开发人员来说，我们面临着一个严峻的选择 - 要么学习Pyth...]]></description><category></category></item><item><title><![CDATA[自动化流程开源框架BotSharp]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100139917</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100139917</guid><author>SciSharp</author><pubDate>Thu, 29 Aug 2019 16:02:22 +0800</pubDate><description><![CDATA[BotSharp是一款为方便构建智能对话机器人平台而开发的开源框架，最大的特点是所有模型算法都是基于.NET Core开发实现，甚至最基本的Penn Treebank分词标准，都重新用C#实现了。在机器学习python占绝对优势的时代算是不可多得的项目。该项目涉及自然语言理解，计算机视觉和音频处理技术，旨在促进智能机器人助手在信息系统中的开发和应用。目前里面的NLP部分实现的比较多一些，比如n-g...]]></description><category></category></item><item><title><![CDATA[SiaNet — 一个基于C#的高阶深度学习库]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100070010</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100070010</guid><author>SciSharp</author><pubDate>Mon, 26 Aug 2019 01:23:51 +0800</pubDate><description><![CDATA[当我们谈论从头开始编码神经网络时，它总是一项艰巨的任务，需要大量的数学和衍生函数来编写。当您必须了解神经网络+代码背后的数学并确保其表现良好时，并不总是那么容易。 Python有很多库，有助于开发和训练您自己的模型，而无需具备如此深入的数学知识，您只需要知道准备数据集并了解模型的最佳神经网络架构。其中一些python库是Keras，MxNet，TensorFlow，Caffe等，它们很受欢迎。 K...]]></description><category></category></item><item><title><![CDATA[使用神经网络解决XOR问题 -  C＃]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100069592</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100069592</guid><author>SciSharp</author><pubDate>Mon, 26 Aug 2019 01:13:25 +0800</pubDate><description><![CDATA[这篇文章的目的是让你了解如何在C＃.NET中使用SiaNet库和写入来使用神经网络。我将使用XOR问题，这是最简单的问题之一，但是，Minksy和Papert（1969）表明这是20世纪60年代神经网络架构的一个大问题，称为感知器。你可以在这里阅读神经元的功能，以便更多地了解我在说什么。
现在这是一个问题。让我们尝试构建和训练一个神经网络，它将产生下面的真值表，称为’异或’或’异或’（A或B，但不...]]></description><category></category></item><item><title><![CDATA[NumSharp中的Slicing [:]]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100069045</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100069045</guid><author>SciSharp</author><pubDate>Sun, 25 Aug 2019 22:58:08 +0800</pubDate><description><![CDATA[借助NumSharp强大的新阵列切片功能，.NET社区距离拥有强大的开源机器学习平台又近了一步。
Python是机器学习的语言，部分原因在于其优秀的库，如NumPy和TensorFlow。但是，C＃开发人员非常需要ML和Data Science的强大开源库。 NumSharp是SciSharp STACK组织的NumPy最佳C＃端口，最近通过完全实现slicing 向前迈出了一大步，它允许创建任意...]]></description><category></category></item><item><title><![CDATA[NumSharp与Matplotlib的联动]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100068979</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100068979</guid><author>SciSharp</author><pubDate>Sun, 25 Aug 2019 22:42:14 +0800</pubDate><description><![CDATA[我们为NumSharp实现了许多常用功能，现在是时候开始使用NumSharp作为科学计算库编写机器学习模型了。
今天我编写了一个简单的数据生成函数，并在.NET环境中绘制了数据视图。
您可以感受到用NumSharp编写的代码，几乎和NumPy一样流畅。

NumSharp是C＃.NET Standard中的NumPy端口
Github：https//github.com/SciSharp/NumS...]]></description><category></category></item><item><title><![CDATA[NumSharp ——用C#进行科学计算]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100068839</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100068839</guid><author>SciSharp</author><pubDate>Sun, 25 Aug 2019 22:33:09 +0800</pubDate><description><![CDATA[NumPy是在python中处理数据的最基本和最强大的包。如果您打算从事数据分析或机器学习项目，那么对numpy的充分理解几乎是强制性的。其他用于数据分析的软件包（如pandas）是建立在numpy之上的，用于构建机器学习应用程序的scikit-learn软件包也非常适合numpy。但对于.NET开发人员来说，没有这样的工具库。虽然有像Deedle和Math.NET这样的开源库，但它们不是很容易使...]]></description><category></category></item><item><title><![CDATA[C#移植版NumSharp]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100068785</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100068785</guid><author>SciSharp</author><pubDate>Sun, 25 Aug 2019 22:23:51 +0800</pubDate><description><![CDATA[难道将python机器学习代码翻译成C＃吗？ 因为在.Net SDK中的相应代码中找不到太多功能。 NumSharp是NumPy的C＃版本，它与NumPy编程接口尽可能一致，包括函数名称和参数位置。 通过引入NumSharp工具库，您可以轻松地从python代码转换为C＃代码。 这是NumSharp和NumPy之间的比较代码（左边是python，右边是C＃）：

NumSharp实现了arange...]]></description><category></category></item><item><title><![CDATA[在C＃.NET中训练自己的手写数字识别器]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100068380</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100068380</guid><author>SciSharp</author><pubDate>Sun, 25 Aug 2019 22:15:08 +0800</pubDate><description><![CDATA[卷积神经网络（CNN）是用于图像分类任务的当前最先进的模型架构。 CNN将一系列滤波器应用于图像的原始像素数据，以提取和学习更高级别的特征，然后该模型可用于分类。

这篇文章我们将采用一个非常常见的CNN例子来识别手写数字。 我们将在C＃中训练深度学习模型，并使用该训练模型来预测手写数字。 我们将使用Keras.NET编写我们自己的模型并使用标准的MNIST数据集进行训练，该数据集包含来自美国人口...]]></description><category></category></item><item><title><![CDATA[使用Jupyter Notebook玩转C＃和Tensorflow.NET（第1部分）]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100065527</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100065527</guid><author>SciSharp</author><pubDate>Sun, 25 Aug 2019 17:52:13 +0800</pubDate><description><![CDATA[2019年6月4日，SchiSharp社区正式宣布用Jupyter笔记本的.NET内核程序——ICSharpCore（https://github.com/SciSharp/ICSharpCore）已经准备就绪。并且已经将开箱即用的docker镜像，加入到Docker集线器（scisharpstack / scisharpcube）。
这意味着我们可以使用Jupyter笔记本播放C＃和Tensor...]]></description><category></category></item><item><title><![CDATA[使用Jupyter Notebook运行TensorFlow.NET]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100065378</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100065378</guid><author>SciSharp</author><pubDate>Sun, 25 Aug 2019 17:36:03 +0800</pubDate><description><![CDATA[在Jupyter Notebook中运行TensorFlow.NET很酷。
通过在Jupyter Notebook上运行SciSharp的机器学习库，我们可以轻松地使用.NET开发和评估机器学习模型，而无需安装繁琐的.NET开发环境。 C＃的REPL (Read-Evaluate-Print-Loop) 模式，允许开发人员像脚本语言一样使用CSharp。
为了使Jupyter能够运行C＃REPL模...]]></description><category></category></item><item><title><![CDATA[基于TensorFlow.NET的神经网络]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100065341</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100065341</guid><author>SciSharp</author><pubDate>Sun, 25 Aug 2019 17:24:09 +0800</pubDate><description><![CDATA[在本文中，我们将学习如何在C＃中构建神经网络模型图。与线性分类器相比，神经网络的关键优势在于它可以分类非不可线性分布的数据。我们将实现此模型来对来自于MNIST的手写数字图像数据集的进行分类。
我们要构建的神经网络的结构如下。 MNIST数据的手写数字图像有10个类（从0到9）。该网络具有2个隐藏层：第一层具有200个隐藏单元（神经元），第二层具有10个神经元（称为分类器层）。

让我们一步一步地...]]></description><category></category></item><item><title><![CDATA[使用TensorFlow.NET与NumSharp进行图像识别]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100064650</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100064650</guid><author>SciSharp</author><pubDate>Sun, 25 Aug 2019 16:43:13 +0800</pubDate><description><![CDATA[发布了v0.3版本，让我们尝试将其用于图像识别。使用TensorFlow.NET和[ ](https://github.com/scisharp/NumSharp)进行图像识别的示例，它将使用预先训练的初始模型来预测输出按概率排序的类别的图像。原始论文在这里。 GoogLeNet的Inception体系结构设计为即使在严格的内存和计算预算约束下也能很好地运行。 Inception的计算成本也远低...]]></description><category></category></item><item><title><![CDATA[使用C#实现线性回归]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100064406</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100064406</guid><author>SciSharp</author><pubDate>Sun, 25 Aug 2019 16:35:05 +0800</pubDate><description><![CDATA[我将介绍如何在[SciSharp](https://github.com/scisharp)的TensorFlow.NET中训练线性回归模型。
什么是线性回归？
线性回归是一种线性方法，用于因变量与一个或多个自变量之间的关系进行建模。
考虑单个感兴趣变量y和单个预测变量x的情况。预测变量由许多名称调用：因变量，输入，特征; 预测变量通常称为自变量，输出，结果。
我们有一些数据$ D = {x {\...]]></description><category></category></item><item><title><![CDATA[在C＃中构造TensorFlow条件语句]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100064197</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100064197</guid><author>SciSharp</author><pubDate>Sun, 25 Aug 2019 16:14:39 +0800</pubDate><description><![CDATA[经过两周的努力，我们即将在C＃中完成TensorFlow条件语句的构造，条件操作对数据流控制非常重要。 我们甚至修改并重新编译了用c ++编写的TensorFlow核心库，以便进行更新输入操作。 虽然代码仍然不能很好地工作，但它已经向前迈出了一大步。

TensorFlow.NET生成了错误的图

TensorFlow.NET生成了正确的图
由于SciSharp团队的无私奉献，您的每一行代码都充满...]]></description><category></category></item><item><title><![CDATA[用.NET实现卷积神经网络（CNN）]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/100063353</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/100063353</guid><author>SciSharp</author><pubDate>Sun, 25 Aug 2019 15:45:37 +0800</pubDate><description><![CDATA[在本文中，我们将展示如何通过.NET来使用卷积神经网络（CNN）。我们将通过此模型对MNIST数据集进行分类。
我们要构建的神经网络的结构如下， MNIST数据的手写数字图像有10个类（从0到9），网络有2个卷积层，最后是2个全连接层。

图：神经网络架构
下面让我们一起来看看怎么实施：
1. 准备数据
MNIST是手写数字的数据集，包含55,000个用于训练的示例，5,000个用于验证的示例和1...]]></description><category></category></item><item><title><![CDATA[不安装Python就可以在.NET环境中调用Python的方法]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/99703824</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/99703824</guid><author>SciSharp</author><pubDate>Sun, 18 Aug 2019 14:21:24 +0800</pubDate><description><![CDATA[作者：Meinrad Recheis
多亏了pythonnet项目，我们有了一种在C＃和Python之间进行互操作的方法。但是，设置它是有问题的，部署也是如此，不是吗？

在本文中，我将介绍Python.Included，它可以优雅地解决这个问题，对.NET开发人员来说调用Python既有趣还很容易。为了证实这一点，我将展示Numpy.NET，它是一个.NET标准库，为Python的NumPy包提...]]></description><category></category></item><item><title><![CDATA[.NET Core玩转机器学习]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/99701681</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/99701681</guid><author>SciSharp</author><pubDate>Sun, 18 Aug 2019 10:19:35 +0800</pubDate><description><![CDATA[作者：Bean.Hsiang
ML.NET 专门为.NET开发者提供了一套跨平台的开源的机器学习框架。
ML.NET支持.NET开发者不需要过度专业的机器学习开发经验，就能轻松地训练自己的模型，并且嵌入到自己的应用中。一切尽在.NET之中。ML.NET早期是由Microsoft Research开发，近十年来逐步集成到一个大体系中被众多Microsoft产品使用，如大家熟知的Windows、Bin...]]></description><category></category></item><item><title><![CDATA[利用ICSharpCore搭建基于.NET Core的机器学习和深度学习的本地开发环境]]></title><link>https://blog.youkuaiyun.com/SciSharp/article/details/99699208</link><guid>https://blog.youkuaiyun.com/SciSharp/article/details/99699208</guid><author>SciSharp</author><pubDate>Sat, 17 Aug 2019 23:06:01 +0800</pubDate><description><![CDATA[每个人都习惯使用Python去完成机器学习和深度学习的工作，但是对于习惯于某种特定语言的人来说，转型不是那么容易的事。这两年我花了不少时间在Python，毕竟工作的重心也从移动开发转为机器学习和深度学习。感谢我的老板给我很大的空间去开拓新的领域，但对于不少企业这种转型需要时间，金钱的成本。我一直说，做编码就如打功夫，无论哪个门派都是一个技术栈，你寄望一套拳法可以把所有对手打倒。现阶段最好的跨平台生...]]></description><category></category></item></channel></rss>