微軟更換ML.NET API釋出0.6版，預測效能提升超過百倍

由微軟研究院開發的機器學習框架ML.NET，持續釋出每月更新，這次最重要的更新是棄用LearningPipeline API，使用全新的學習API，支援的機器學習框架也越來越豐富，除了上一個版本的TensorFlow，現在也支援ONNX模型。而在整體效能上，這個版本的模型預測速度提升了超過100倍。

在9月的ML.NET 0.5更新中，微軟開始支援TensorFlow模型，並且預告將會使用新的API，棄用LearningPipeline API，而這也成為ML.NET 0.6中最重要的更新，加入了用於建構和使用機器學習模型的API，在ML.NET 0.1中開始提供的LearningPipeline API，雖然很容易上手，但是因為存在諸多限制，為了讓整個框架可以繼續往下發展，微軟只好把這部分砍掉重練，現在LearningPipeline API移到Microsoft.ML.Legacy命名空間。

新的API目的是要支援更廣泛的使用情境，並且遵循來自相關熱門框架如Apache Spark和Scikit-Learn等的機器學習原則和命名規則。現在ML.NET機器學習模型流程分為明確的三個階段，非別是準備資料、建置和訓練，最後則是執行階段。準備資料又分成兩個步驟，載入資料和萃取特徵，而建置和訓練階段又包含了訓練模型和評估模型步驟。

在機器學習生態系互通性上，ML.NET 0.6多支援了ONNX格式的模型。ONNX是一種開放而且具互通操作性的模型格式，可以使用Scikit-learn、TensorFlow和Xgboost等框架訓練模型後，輸出為ONNX模型於其他的框架中使用。在ML.NET 0.3中支援輸出ONNX-ML格式功能，因此開發者可以將ML.NET獲得的結果，輸出到其他框架中使用，而在這個新的ML.NET 0.6版本中，ML.NET可以接受來自其框架的ONNX模型進行預測。

微軟在ML.NET 0.6中加入了全新的轉換器以及Runtime來使用ONNX模型，目前市面上有不少框架可以訓練出各式類型的ONNX模型，用於圖像分類、情感識別和物件偵測等任務。ML.NET中的ONNX轉換器會向ONNX模型輸入資料並進行預測，而ML.NET Runtime目前僅支援x64 CPU，作業系統也只僅支援Windows，未來會增加對Linux和macOS的支援。

ML.NET 0.6不只是在功能上的更新，微軟也為模型預測時進行了兩項效能主要改進。第一項改進是將原本的LearningPipeline API改為新的Estimators API，第二項改進則為最佳化新API中PredictionFunction的效能。這些改進為ML.NET預測速度帶來大幅度提升，在Iris資料預測上，提升了3,272倍，乳腺癌資料預測加速達6,541倍，情緒預測也有198倍的加速。

而微軟用於Office、Xbox和Azure等服務背後的機器學習引擎Infer.NET，最近也在.NET基金會下開源，並且擴充ML.NET用於進行統計建模和線上學習，並可在Microsoft.ML.Probabilistic命名空間中使用。