Menü

Machine Learning: ML.NET 1.1 bietet einen überarbeiteten Model Builder

Das Update des quelloffenen Frameworks für Machine Learning lädt und verarbeitet Bilder nun direkt im Speicher.

Lesezeit: 1 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen 4 Beiträge
Von

Microsoft hat Version 1.1 seines für den Cross-Plattform-Einsatz ausgelegten Machine-Learning-Frameworks ML.NET vorgelegt. Erst Anfang Mai im Rahmen seiner Entwicklerkonferenz Build 2019 hatte der Hersteller mit dem Major-Release ML.NET 1.0 offiziell die Preview-Phase des Open-Source-Frameworks beendet. Nun bietet das erste Update einen verbesserten Model Builder sowie komfortableren Umgang mit Dateien für die Bildverarbeitung.

Um Bilder in einem ML-Modell nutzen zu können, mussten Anwender bisher die betreffenden Dateien über einen dedizierten Pfad zu einem Speichersystem einbinden. In ML.NET 1.1 lassen sich Bilder nun direkt in den Arbeitsspeicher laden und dort verarbeiten. In der Datenpipeline IDataView steht dazu die erforderliche In-Memory-Unterstützung für image type zur Verfügung.

Im Paket Time Series NuGet finden sich zwei Neuerungen, die allerdings noch als Preview gekennzeichnet sind. Zur Erkennung von Anomalien steht der neue Algorithmus SrCnnAnomalyDetection parat, der auf einem Super-Resolution Deep Convolutional Network basiert. Im Unterschied zu vergleichbaren Algorithmen soll er sich ohne vorheriges Training direkt einsetzen lassen. Die ebenfalls neue Funktion AdaptiveSingularSpectrumSequenceModeler soll sich für die Vorhersage von Zeitreihen eignen, wenn die zu untersuchenden Daten eine periodische Komponente enthalten. In der Praxis tritt dieser Fall beispielsweise bei Verkaufsvorhersagen auf – hier stehen die Ereignisse in einem kausalen Zusammenhang und finden zu einem bestimmten Zeitpunkt statt, oder auch nicht.

Bei der Neugestaltung des Model Builder hat Microsoft unter anderen verschiedene von Anwendern gemeldete Probleme berücksichtigt, die Fehler bei der Installation, die Benutzerfreundlichkeit und Stabilität betreffen. Weitere Verbesserungen finden sich im Bewertungsschritt, der nun mehr korrekte Informationen zu den Modellen bietet, und bei den Anweisungen zur Verwendung des generierten Codes – hier wird nun der Bezug zum Projektnamen berücksichtigt. Neu hinzu gekommen ist darüber hinaus das Template Issue Classification, mit dem sich tabellarische Daten in mehrere Klassen einteilen lassen. Die Vorlage empfiehlt sich beispielsweise für die Vorhersage von GitHub-Issues oder das Routing von Tickets im Kundensupport.

Weitere Details zu den Neuerungen in ML.NET 1.1 lassen sich Microsofts Entwicklerblog entnehmen. Wer mehr Informationen zum ML-Framework sucht, findet auf der ML.NET-Projektseite ein kurzes Tutorial zur Einführung, das für Windows auf Visual Studio und für Linux sowie macOS auf das ML.NET CLI setzt. (map)