在C＃中从Keras.NET开始-训练您的第一个模型
在本文中，我想展示一个示例，使用Keras.NET和Zalandos Fashion-mnist制作一个简单的.NET-Core应用程序
本文是有关如何使用Keras.NET训练第一个模型的简短介绍。
介绍
由于机器学习变得非常流行，因此使用Keras和/或后端Tensorflow这样的开源SDK，Python语言也再次流行起来（与预测相反，Python将在未来五年内消失）。作为.NET环境中的研究工程师，我在这里使用Python面临很多问题，而我的主要重点是C＃。当然，您可以以某种方式将Python代码嵌入到您的应用程序中（即，在.NET应用程序中运行Python脚本），但这并不能使其变得更好。
我认为，其他解决方案将使用IronPython（一种可以直接运行Python代码的SDK），但是：
它仍在使用Python 2.7（在2020年终止支持），并且对Python 3的支持发音为“请勿使用！”，好吧…
它不支持numpy之类的许多其他软件包，这对于进行机器学习是必不可少的
解决所有这些问题非常困难…只是不要将其用于此类目的。
因此，我开始寻找新的解决方案，以及如何避免在.NET Core应用程序中使用其他Python环境（在应用程序启动时必须额外调用它们），并了解Keras.NET（ https：// github。 com / SciSharp / Keras.NET）。明确地说，我不在乎SDK是否使用Python嵌入式，但是我不想用Python编写我的机器学习原型，所以这是改变游戏规则的地方。
背景
Keras.NET的文档非常简短，如果您需要进一步的知识，它们会链接到原始Keras文档。这对于理解此框架的工作方式非常有用。但是要弄清楚该SDK如何在C＃中工作却很痛苦。
这里是文档链接：https : //scisharp.github.io/Keras.NET/
请查看先决条件（在此前提下，您还必须安装Python）。
在这里您将找到API文档：https : //scisharp.github.io/Keras.NET/api/index.html
要了解此处发生的情况，您需要了解Keras的工作方式，密集层，历元等的用途。
使用代码
Arnaldo P.Castaño的文章启发了我展示使用现有数据集的第二个示例以及如何使用Keras.NET进行训练。因此，这是关于使用Keras.NET与使用Keras（在Python中）看到一些区别的，也许有人会发现这非常有用。
首先，您将需要Nuget Keras.NET。在Visual Studio中使用程序包管理器，其过程如下：
隐藏 复制代码
PM> Install-Package Keras.NET -Version 3.8.4.4
除此之外，您还需要使用Windows CLI或Powershell中的pip安装程序来安装Keras和Tensorflow for Python：
隐藏 复制代码
pip install keras
pip install tensorflow
它必须在Windows-CLI中看起来像：
隐藏 复制代码
C:\Users\YOURNAME>pip install keras
如果您对pip安装程序有疑问。请检查是否已将Python设置为系统环境。安装屏幕底部有一个复选框，称为“将Python添加到PATH”，这非常重要。
如果这样做没有帮助，您可能必须自己设置路径（互联网上有“操作方法”，如何解决pip的提示，一旦解决了此问题，您就可以确定Python设置正确） 。
最后，您将需要培训和测试集：https : //github.com/zalandoresearch/fashion-mnist#get-the-data
首先，我将数据存储在本地并解压缩，因为我不想为解压缩而创建其他功能（这实际上并不难实现，但我想在此重点关注）。这只是一个数据。使用下面的代码（并调用openDatas函数，您将需要解压缩该文件，否则该函数将无法读取数据。请放置四个数据（2x图像，2x标签…训练并测试）。
其次，我在API-Doc中指出，已经实现了直接加载数据的功能，请参见：https://www.xiaoyuani.com/Keras.NET/api/Keras.Datasets.FashionMNIST.html
所以我们开始：为了进一步的目的，运行模型的第一次训练：
我的.NET-Core的入口点非常简单。我KerasClass为培训做了一个课程（），只需从Main函数调用它们即可：
隐藏 复制代码
using System;namespace Keras.net_and_fashion_mnist{ class Program { static void Main(string[] args) { KerasClass keras = new KerasClass(); keras.TrainModel(); } }}12345678910111213
将KerasClass是更加有趣：
隐藏 收缩 复制代码
using Keras.Datasets;using Keras.Layers;using Keras.Models;using Keras.Utils;using Numpy;using System;using System.IO;using System.Linq;namespace Keras.net_and_fashion_mnist{ class KerasClass { public void TrainModel() { int batch_size = 1000; //Size of the batches per epoch int num_classes = 10; //We got 10 outputs since we can predict 10 different labels seen on the dataset: https://github.com/zalandoresearch/fashion-mnist#labels int epochs = 30; //Amount on trainingperiods, I figure it out that the maximum is something about 700 epochs, after this it won't rise siginificanty the accuracy // input image dimensions int img_rows = 28, img_cols = 28; // the data, split between train and test sets var ((x_train, y_train), (x_test, y_test)) = FashionMNIST.LoadData(); // Load the datasets from fashion MNIST, Keras.Net implement this directly x_train.reshape(-1, img_rows, img_cols).astype(np.float32); //ByteArray need to be resahpe to fit the dimmensions of the y arrays y_train = Util.ToCategorical(y_train, num_classes); //here you modify the forecast data to 10 outputs as we have 10 different labels to predict (see the Labels on the Dataset) y_test = Util.ToCategorical(y_test, num_classes); //same for the test data [hint: you can change this in example you want to made just a binary crossentropy as you just want to figure i.e. if this is a angleboot or not var model = new Sequential(); model.Add(new Dense(100, 784, "sigmoid")); //hidden dense layer, with 100 neurons, you have 28*28 pixel which make 784 'inputs', and sigmoid function as activationfunction model.Add(new Dense(10, null, "sigmoid")); //Ouputlayer with 10 outputs,... model.Compile(optimizer: "sgd", loss: "categorical_crossentropy", metrics: new string[] { "accuracy" }); //we have a crossentropy as prediction and want to see as well the accuracy metric. var X_train = x_train.reshape(60000, 784); //this is actuallay very important. C# works with pointers, so if you have to reshape (again) the function for the correct processing you need to write this to a different var var X_test = x_test.reshape(10000, 784); model.Fit(X_train, y_train, batch_size, epochs, 1); //now we set the data to the model with all the arguments (x and y data, batch size...the '1' is just verbose=1 Console.WriteLine("---------------------"); Console.WriteLine(X_train.shape); Console.WriteLine(X_test.shape); Console.WriteLine(y_train[0]); Console.WriteLine(y_train[1]); //some outputs...you can play with them var y_train_pred = model.Predict(X_train); //prediction on the train data Console.WriteLine(y_train_pred); model.Evaluate(X_test.reshape(-1, 784), y_test); //-1 tell the code that he can figure the size of the array by themselves out } private byte[] openDatas(string path, int skip) //just the open Data function. As I mentioned I did not work with unzip stuff, you have to unzip the data before by yourself { var file = File.ReadAllBytes(path).Skip(skip).ToArray(); return file; } //Hint: first I was working by opening the data locally and I wanted to figure it out how to present data to the arrays. So you can use something like this and call this within the TrainModel() function: //x_train = openDatas(@"PATH\OF\YOUR\DATAS\train-images-idx3-ubyte", 16); //y_train = openDatas(@"PATH\OF\YOUR\DATAS\train-labels-idx1-ubyte", 8); //x_test = openDatas(@"PATH\OF\YOUR\DATAS\t10k-images-idx3-ubyte", 16); //y_test = openDatas(@"PATH\OF\YOUR\DATAS\t10k-labels-idx1-ubyte", 8); }}123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869
兴趣点
使用此代码将对您自己的模型进行首次培训。对我来说，这是我进入Keras.NET的第一步，我想分享这一点，因为没有那么多的Keras.NET示例。也许您可以将其用于您的目的。