TensorflowSharp是Tensorflow的C#语言表述。本文会对TensorflowSharp的使用进行一个简单的介绍。 环境初始化 我使用VS2017创建一个新的控制台应用,然后,使用下面的命令安装TensorflowSharp: nuget install TensorFlowSharp TensorflowSharp 的源码地址:https://github.com/migueldeicaza/TensorFlowSharp 如果在运行时发现问题“找不到libtensorflow.dll”,则需要访问 http:// TensorflowSharp中的概念 TensorflowSharp / Tensorflow中最重要的几个概念: 图(Graph):它包含了一个计算任务中的所有变量和计算方式。 TensorflowSharp中的几类主要变量 Const:常量,这很好理解。它们在定义时就必须被赋值,而且值永远无法被改变。 Placeholder:占位符。
统一模拟与现实中的篮球运动 用于训练我们模型的Node.js和TensorFlow.js TensorFlowSharp用于通过ML-Agents资源包在Unity中嵌入我们的模型 tsjs-converter 如果你在Unity中找不到有关Tensorflow的任何错误,请确保你已遵循TensorflowSharp的Unity安装文档。 我们的目标是什么? 为了简单起见,我们对这个项目的期望结果非常简单。 遗憾的是,TensorFlowSharp不接受Tensorflow.js可以保存的格式的模型。所以我们需要做一些翻译工作才能将我们的模型引入Unity。我已经嵌入了一些实用程序来帮助解决这个问题。 但是,TensorFlowSharp的工作方式不同,需要我们通过名称直接与图节点进行交互。 考虑到这一点,需要将输入数据转换为图所需的格式并将输出发送给Red。
NET平台上的AI技术 : ML.NET (Machine Learning .NET) Azure Cognitive Services (Computer Vision) TensorFlow / TensorFlowSharp
在开始正式训练前,先检查下自己是不是准备好了下面这些工具: 模拟篮球和物理环境Unity 用于训练模型的Node.js和TensorFlow.js 通过ML-agent asset包将模型嵌入Unity的TensorFlowSharp 遗憾的是,TensorFlowSharp并不接受Tensorflow.js可以保存成的模型格式,需要我们做些翻译工作才能将模型引入Unity。
/github.com/tensorflow/cleverhans 30)Rust + Haskell 和 C API 的结合 我在前面提到过 rstats 支持,并且希望确保也能提到其它社区项目(TensorFlowSharp //github.com/tensorflow/rust https://github.com/tensorflow/haskell https://github.com/migueldeicaza/TensorFlowSharp
TensorFlowSharp – 适用于.NET语言的TensorFlow API。