ML.NET 3.0 正式发布

ML.NET 3.0 已经正式发布，带来了多项新功能和增强。显著的是，深度学习能力得到了显著扩展，特别是在目标检测、命名实体识别（NER）和问答（QA）方面。这些扩展通过 TorchSharp 和 ONNX 模型的集成与互操作性实现。此外，LightGBM 的集成也更新到了最新版本。

ML.NET 是一个跨平台的开源机器学习框架，使 .NET 开发者能够更容易地进行机器学习。

数据处理场景的改进

ML.NET 3.0 在数据处理场景中带来了大量改进，包括对 DataFrame 的增强和错误修复。新的 IDataView 互操作性功能增强了数据加载、检查、转换和可视化的关键步骤，提供了更强大的体验。

目标检测

目标检测是本次发布的一个关键焦点。它执行图像分类，定位并分类图像中的实体。目标检测的应用领域包括工作场所安全、物体计数、活动识别、机器人和自动驾驶汽车。目标检测功能包含在 Microsoft.ML.TorchSharp 3.0.0 包中的 Microsoft.ML.TorchSharp 和 Microsoft.ML.TorchSharp.AutoFormerV2 命名空间。

自然语言处理（NLP）

ML.NET 3.0 在命名实体识别（NER）和问答（QA）方面引入了新的进展。这些进展建立在 ML.NET 2.0 中引入的 TorchSharp RoBERTa 文本分类功能之上。NER 和 QA 训练器都包含在 Microsoft.ML.TorchSharp 3.0.0 包和 Microsoft.ML.TorchSharp 命名空间中。

Intel oneDAL 训练加速

Intel oneDAL 训练加速功能在 ML.NET 3.0 中得到了稳定支持。Intel oneDAL 通过提供优化的数据分析和机器学习算法构建块，加速了训练过程，利用了 Intel 和 AMD CPU 中的 SIMD 扩展。

自动化机器学习（AutoML）

ML.NET 3.0 中的自动化机器学习（AutoML）体验得到了显著增强。AutoML Sweeper 现在支持句子相似性、问答和目标检测。社区贡献包括实现采样键列名和扩展 AutoZero 调优器功能。

DataFrame 更新

DataFrame 在 ML.NET 3.0 中经历了重大更新，增强了 IDataView 和 DataFrame 之间的转换。新增了对 String 和 VBuffer 列类型的支持，提供了更大的灵活性。数据加载场景得到了扩展，允许从 SQL 数据库导入和导出数据。

Tensor 原语集成

Tensor 原语集成带来了显著的性能改进，支持张量操作。虽然这一集成不影响 ML.NET 的公共接口，但它提升了性能，并作为 System.Numerics.Tensors API 的测试平台。

未来计划

团队已经在为 .NET 9 和 ML.NET 4.0 做规划。在不久的将来，计划更新 Model Builder 和 ML.NET CLI 以支持 ML.NET 3.0。团队承诺将继续扩展深度学习场景、增强 DataFrame 和集成 System.Numerics.Tensors API。

对于有兴趣了解更多信息的读者，完整的更新列表可在官方发布说明中找到。