TensorFlowSharp入门使用C#编写TensorFlow人工智能应用

时间：2017-05-23 21:39:34 阅读：773 评论：0 收藏：0 [点我收藏+]

TensorFlowSharp入门使用C#编写TensorFlow人工智能应用学习。

TensorFlow简单介绍

TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow的表现比第一代的DistBelief快了2倍。
TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用TensorFlow。任何基于梯度的机器学习算法都能够受益于TensorFlow的自动分化（auto-differentiation）。通过灵活的Python接口，要在TensorFlow中表达想法也会很容易。
TensorFlow 对于实际的产品也是很有意义的。将思路从桌面GPU训练无缝搬迁到手机中运行。
示例Python代码：
import tensorflow as tfimport numpy as np# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3# Try to find values for W and b that compute y_data = W * x_data + b# (We know that W should be 0.1 and b 0.3, but TensorFlow will# figure that out for us.)W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b# Minimize the mean squared errors.loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)# Before starting, initialize the variables.  We will ‘run‘ this first.init = tf.global_variables_initializer()# Launch the graph.sess = tf.Session()
sess.run(init)# Fit the line.for step in range(201):
    sess.run(train)    if step % 20 == 0:        print(step, sess.run(W), sess.run(b))# Learns best fit is W: [0.1], b: [0.3]

使用TensorFlowSharp

GitHub:https://github.com/migueldeicaza/TensorFlowSharp

官方源码库，该项目支持跨平台，使用Mono。

可以使用NuGet 安装TensorFlowSharp，如下：

Install-Package TensorFlowSharp

编写简单应用

使用VS2017新建一个.NET Framework 控制台应用 tensorflowdemo，接着添加TensorFlowSharp 引用。

TensorFlowSharp 包比较大，需要耐心等待。

然后在项目属性中生成->平台目标改为 x64。

打开Program.cs 写入如下代码：

技术分享

        static void Main(string[] args)
        {            using (var session = new TFSession())
            {                var graph = session.Graph;
                Console.WriteLine(TFCore.Version);                var a = graph.Const(2);                var b = graph.Const(3);
                Console.WriteLine("a=2 b=3");                // 两常量加
                var addingResults = session.GetRunner().Run(graph.Add(a, b));                var addingResultValue = addingResults[0].GetValue();
                Console.WriteLine("a+b={0}", addingResultValue);                // 两常量乘
                var multiplyResults = session.GetRunner().Run(graph.Mul(a, b));                var multiplyResultValue = multiplyResults[0].GetValue();
                Console.WriteLine("a*b={0}", multiplyResultValue);                var tft = new TFTensor(Encoding.UTF8.GetBytes($"Hello TensorFlow Version {TFCore.Version}! LineZero"));                var hello = graph.Const(tft);                var helloResults = session.GetRunner().Run(hello);
                Console.WriteLine(Encoding.UTF8.GetString((byte[])helloResults[0].GetValue()));
            }
            Console.ReadKey();
        }

技术分享

运行程序结果如下：

技术分享