基于.NET下的人工智能系列专题|.NET下的人工智能系列专题|用Keras.NET 做一个图像识别的训练...

.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。

PART

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) 。

PART

如何用Keras.NET

pythonnet是一个运行基础，它作为一个Python和.NET Core的桥接存在, ScipySharp社区对pythonnet进行了封装和修改。由于开发环境各异，对于pythonnet的引用都略有不同，Windows下使用Python.Runtime.NETStandard / Linux下使用Python.Runtime.Mono / macOS下使用 Python.Runtime.OSX 。补充一点记得设置好Python的环境变量，否则你调用就会出现一堆问题。对于Keras.NET的封装，也依赖于Numpy.NET

(https://github.com/SciSharp/Numpy.NET)。这里有个比较特别的地方，需要下载源码，把Keras.NET/Numpy.NET基于不同平台对应的Python.Runtime版本的包添加重新设置编译，并在本地通过dll直接引用。还有Numpy.NET有两个版本，一个是支持Windows的Numpy , 一个是支持Linux/macOS的Numpy.Bare 使用时候不要搞混了。

PART

一个经典的例子

这里做一个猫狗分类的图像分类的示例，这个示例比较经典，也算是一个Keras上的HelloWorld .让我们来看看如何通过Keras.NET来完成。

环境

环境，我还是依赖于 JupyterNotebook (如何用JupyterNotebook 支持C#环境, 可以看我之前的文章

(https://blog.csdn.net/kinfey/article/details/96095690)，这里提醒需要把Keras.NET, Numpy.NET添加到ICSharpCore项目当中，否则没法使用Keras.NET.

创建JupyterNotebook

创建JupyterNotebook , 把项目必要的库进行引用.注意因为我是Linux环境，在Linux环境下是Python 3.6.8，所以我这里对应的是Python.Runtime.Mono 3.6.0（如果你是其他平台其他版本记得要切换好，否则是不能使用的）, 还有通过Rosyln把本地编译好的Keras.dll,Numpy.Bare.dll引入。