? ? ? ?.NETer大家好，為大家送上.NET Core 下如何完成人工智能應用的系列，希望給.NETer進入人工智能領域提供一個指引。

? ? ? ?.NET Core已經是一個全場景應用的技術棧方案，對于每一個領域都有支持。自從微軟在開源發力后，.NET Core的社區能力也得到了補充。

? ? ? ? 人工智能是全球熱點，在人工智能里面Python語言是第一世界，對于不少.NET程序員要進入到該領域有不少技術的壁壘。 當然有人會提到為何還要用.NET做機器學習？ 對于一個團隊，是有技術延續性的，要投入一個新領域就要確保技術成本，如果要重新招聘一個Python團隊，花費不少。用原有的技術能完成的事，是最好的解決方案，而且更能延續原有團隊的創造力。對個人更好地把以往積累的經驗應用在新領域也是非常好的事。

? ? ? ?現階段.NET Core 在人工智能里面能做什么？生態如何了？以下是一些原生的.NET Core 人工智能場景下的相關技術

.NET Interactive

在傳統的數據科學里面，數據科學家喜歡用Jupyter Notebook作為主要的環境工具。（Jupyter notebook 是一種 Web 應用，能讓用戶將說明文本、數學方程、代碼和可視化內容全部組合到一個易于共享的文檔中。）.NET Interactive 是一種Jupyter Notebook的擴展，讓.NETer在Jupyter Notebook上通過C#/F#做數據相關的工作。

NumSharp

在Python里面，我們需要用Numpy做大量數據處理，完成矩陣運算，多維數據的轉換。NumSharp是第三方提供的開源的Numpy的.NET Core版本。(Github地址?https://github.com/SciSharp/NumSharp)

.NET DataFrame

在數據科學里面，數據分析是非常重要的一環，Pandas是Python場景下的重要工具。而對于.NET Core通過DataFrame 去完成相關數據分析工作，讓你更快了解數據，調整數據。

XPlot

通過XPlot你可以把數據生成不同的圖表，找出數據特征。(Github地址?https://fslab.org/XPlot/plotly.html)

.NET for Apache Spark

.NET Core 原生支持大數據處理的Apache Spark

ML.NET

ML.NET 是 Microsoft 的機器學習框架，它提供了一種在 .NET 生態系統中訓練、創建和運行模型的簡單方法。 這對 .NET 開發人員來說是個好消息，因為它可以讓您重用作為 .NET 開發人員已經擁有的所有知識、技能、代碼和庫。 然而，這不僅僅是面向 .NET 開發人員的框架。 事實上，ML.NET 證明了自己是一個很棒的端到端工具，它使任何開發人員都能夠創建復雜的管道并綁定到不同的數據源。

TensorFlow.NET

TensorFlow.NET (TF.NET) 為 TensorFlow 提供了 .NET Standard 綁定。 它旨在用 C# 實現完整的 Tensorflow API，允許 .NET 開發人員使用跨平臺的 .NET Standard 框架開發、訓練和部署機器學習模型。 TensorFlow.NET 內置了 Keras 高級接口，并作為獨立包 TensorFlow.Keras 發布。(Github地址?https://github.com/SciSharp/TensorFlow.NET)

TensorFlowSharp

TensorFlowSharp 是一個TensorFlow模型運行時，和TensorFlow.NET 相比缺少很多如圖計算，訓練等功能。(Github地址?https://github.com/migueldeicaza/TensorFlowSharp)

TorchSharp

TorchSharp 是一個 .NET 庫，可提供對支持 PyTorch 的庫的訪問。(Github地址?https://github.com/xamarin/TorchSharp)

通過上述原生庫，你可以通過C#/F#完成相關的技術，本次系列會從最基礎的知識說起，包括環境搭建，基本概念，機器學習相關算法，以及深度學習，希望能讓.NETer更好學習人工智能的知識。

總結

以上是生活随笔為你收集整理的.NET Core 人工智能系列-概述的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。