在 C# 中使用 Keras.NET 入门 - 训练你的第一个模型
5.00/5 (1投票)
在本文中，我想展示一个使用 Keras.NET 和 Zalando Fashion-mnist 创建简单 .NET-Core 应用程序的例子。
引言
由于机器学习变得非常流行，使用像 Keras 和/或作为后端的 Tensorflow 这样的开源 SDK，Python 语言也再次流行起来（与预测 Python 将在未来五年内消亡相反）。作为 .NET 环境中的研究工程师，在其中使用 Python 给我带来了很多问题，而我的主要重点是 C#。 当然，你可以以某种方式将 Python 代码嵌入到你的应用程序中（例如，在你的 .NET 应用程序中运行 Python 脚本），但这并没有使它变得更好。
我想到另一种解决方案是使用 IronPython，这是一个直接运行 Python 代码的 SDK，但是
- 它仍然使用 Python 2.7（在 2020 年结束支持），并且对 Python 3 的支持听起来像“不要使用！”...好吧...
- 它不支持很多额外的包，比如 numpy，这对于进行机器学习事情至关重要
- 修复所有这些问题非常困难... 不要将其用于这样的目的。
因此，我开始寻找新的解决方案，以及如何避免在使用 .NET Core 应用程序时调用额外的 Python 环境，并了解了 SciSharp STACK 中的 Keras.NET (https://github.com/SciSharp/Keras.NET)。 需要明确的是，我不在乎 SDK 是否使用了嵌入式 Python，但我不想用 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，如果你需要更多知识，他们链接到原始的 Keras 文档。 这对于理解这个框架的工作原理非常有用。 但是弄清楚 SDK 在 C# 中如何工作是很痛苦的。
这是文档链接：https://scisharp.github.io/Keras.NET/
请查看先决条件（在那里你会知道，你必须安装 Python）。
在这里，你将找到 API 文档：https://scisharp.github.io/Keras.NET/api/index.html
要理解这里发生了什么，你需要理解 Keras 的工作方式，密集层、Epoch 等的用途。
Using the Code
来自的文章激励我展示第二个使用现有数据集的示例，以及如何使用 Keras.NET 训练它们。 因此，这是关于使用 Keras.NET 来查看与使用 Keras（在 Python 中）的一些差异，也许有人会发现这非常有用。
首先，你需要 Nuget Keras.NET。 使用 Visual Studio 中的包管理器，它看起来像
PM> Install-Package Keras.NET -Version 3.8.4.4
除此之外，你还需要使用 Windows CLI 或 Powershell 中的 pip 安装程序为 Python 安装 Keras 和 Tensorflow
pip install keras pip install tensorflow
它在 Windows-CLI 中必须看起来像这样
C:\Users\YOURNAME>pip install keras
如果你在使用 pip 安装程序时遇到问题，请检查是否已将 Python 设置到系统环境变量。 在安装屏幕的底部有一个名为 '将 Python 添加到 PATH' 的复选框，这非常重要。
如果这没有帮助，你可能必须自己设置路径（互联网上有很多关于如何修复 pip 的方法，一旦你解决了这个问题，你就可以确定 Python 已正确设置）。
最后，你需要训练和测试集：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目的创建一个其他函数（实际上这并不难实现，但我想专注于此）。 这只是一份数据。 使用下面的代码（并调用 openDatas 函数，你需要解压缩它，否则该函数无法读取数据。 将四个数据（2x 图像，2x 标签...训练和测试）放入其中。
其次，我在 API 文档中发现，已经实现了一个直接加载数据的函数，请参阅：https://scisharp.github.io/Keras.NET/api/Keras.Datasets.FashionMNIST.html
所以我们开始吧：运行模型的第一次训练以用于进一步的目的。
我的 .NET-Core 的入口点非常简单。 我为我的训练创建了一个类 (KerasClass)，然后只是从 Main 函数调用它们
using System;
namespace Keras.net_and_fashion_mnist
{
class Program
{
static void Main(string[] args)
{
KerasClass keras = new KerasClass();
keras.TrainModel();
}
}
}
KerasClass 更有趣
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 increase the
//accuracy siginificantly
// 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 needs
//to be reshaped 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
//make 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 actually 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 tells the code that
//it can figure out the size of
//the array by itself
}
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);
}
}
关注点
使用此代码将提供您自己的模型的第一次训练。 对我来说，这是我迈向 Keras.NET 的第一步，我想分享它，因为 Keras.NET 的例子不多。 也许你可以将其用于你的目的。
历史
- 2020 年 11 月 19 日：首次发布
- 2020 年 11 月 20 日：删除了两张图片