Infer.NET

Infer.NET 是一个用于在图模型中执行贝叶斯推断的框架。它也可以用于概率编程。

使用 Infer.NET 可以解决许多不同类型的机器学习问题——从标准问题，如 分类、推荐 或 聚类，到针对特定领域问题的 定制化解决方案。

Infer.NET 已被广泛应用于信息检索、生物信息学、流行病学、计算机视觉等多个领域。

目录

• 构建状态
• 安装预编译二进制文件
• 文档
• 仓库结构
• 从源代码构建 Infer.NET
• 贡献
• 许可证
• .NET 基金会

构建状态

	发布
Windows
Linux
macOS

安装预编译二进制文件

Infer.NET 的二进制文件位于 nuget.org 上。这些二进制文件是跨平台的，可以在任何支持 .NET 的环境中运行，因此无需选择特定的平台。核心包的目标是 .NET Standard 2.0，这意味着它们可以用于任何目标为 .NET Framework 4.6.2 或 .NET Core 3.1 的项目，具体说明请参阅 .NET 实现支持。您无需克隆 GitHub 仓库即可使用预编译的二进制文件。

目前有 四个维护中的 Infer.NET NuGet 包：

1. Microsoft.ML.Probabilistic 包含执行推理代码所需的类和方法。
2. Microsoft.ML.Probabilistic.Compiler 包含 Infer.NET 编译器，该编译器接收使用 Infer.NET API 编写的模型描述，并将其转换为推理代码。它还包含用于可视化生成代码的实用工具。
3. Microsoft.ML.Probabilistic.Learners 包含完整的机器学习应用程序，包括分类器和推荐系统。
4. Microsoft.ML.Probabilistic.Visualizers.Windows 包含一套面向 .NET Framework 和 Windows 平台的替代可视化工具，用于探索和分析模型。

NuGet 包无需手动下载。您可以将包名添加到项目文件中，编译项目时二进制文件会自动下载。大多数代码编辑器都提供将 NuGet 包引用添加到现有项目文件的功能。例如，在 Visual Studio 2017 for Windows 中，您可以选择“项目 -> 管理 NuGet 包”。

.NET Core 3.1 提供了用于创建和编辑项目文件的命令行工具。通过命令行，您可以向现有项目文件添加 NuGet 包引用，如下所示：

dotnet add package Microsoft.ML.Probabilistic
dotnet add package Microsoft.ML.Probabilistic.Compiler
dotnet add package Microsoft.ML.Probabilistic.Learners

教程和示例

在 docs.microsoft.com 上有一份入门指南。

更多教程和示例可在 Infer.NET 官网 上找到。

文档

文档可在 Infer.NET 官网 上找到。

仓库结构

• 仓库根目录下的 Visual Studio 解决方案 Infer.sln 包含了所有 Infer.NET 组件、单元测试以及来自以下文件夹的示例程序。

• src/

  • Compiler 文件夹包含 Infer.NET 编译器项目，该工具可以将使用 Infer.NET API 编写的模型描述转换为推理代码。该项目还包含用于可视化生成代码的实用方法。

  • Csoft 是一项实验性功能，允许在 C# 语言的一个子集中表达概率模型。您可以在标记为 Category: CsoftModel 特性的 Tests 项目中找到许多 Csoft 模型的单元测试。

  • Examples 文件夹包含多个 C# 项目，展示了如何使用 Infer.NET 解决各种不同的问题。

    • ClickThroughModel - 一个网络搜索示例，将用户的点击序列转化为对文档相关性的推断。

    • ClinicalTrial - 带有交互式用户界面的临床试验教程示例。

    • InferNET101 - 来自 Infer.NET 101 的示例，介绍 Microsoft Infer.NET 编程的基础知识。

    • ImageClassifier - 一个图像搜索示例，用于对带标签的图像进行分类。

    • LDA - 此示例提供了流行的 LDA 主题建模模型的 Infer.NET 实现。这些实现特别关注词汇表大小和文档数量的可扩展性，因此为如何一般性地扩展 Infer.NET 模型提供了很好的参考。

    • MontyHall - 蒙提霍尔问题的 Infer.NET 实现，并附带图形用户界面。

    • MotifFinder - 一个用于在核苷酸序列中寻找基序的简单模型的 Infer.NET 实现，这是生物信息学中的一个重要问题。

  • FSharpWrapper 是一个封装项目，隐藏了 Infer.NET API 中的一些泛型构造，从而允许从标准 F# 中更简单地调用 Infer.NET API。

  • IronPythonWrapper 包含用于从 IronPython 编程语言调用 Infer.NET 的封装库及相应的测试。更多信息请参阅 src/IronPythonWrapper/README.md。

  • Learners 文件夹包含完整的机器学习应用程序的 Visual Studio 项目，包括分类和推荐系统。有关 Learners 的更多信息，请参阅 这里。

  • Runtime 是一个 C# 项目，包含执行推理代码所需的类和方法。

  • Tutorials 文件夹包含 Examples Browser 项目，其中包含简单的示例，逐步介绍 Infer.NET。

  • Visualizers/Windows 包含一套针对 .NET Framework 和 Windows 平台的替代可视化工具，用于探索和分析由 Compiler 生成的代码。

• test/

  • TestApp 包含一个 C# 控制台应用程序，用于快速调用和调试各种 Infer.NET 组件。

  • TestFSharp 是一个 F# 控制台项目，用于对 Infer.NET F# 封装进行冒烟测试。

  • TestPublic 包含教程代码的场景测试。这些测试是 PR 和夜间构建的一部分。

  • Tests 是主要的单元测试项目，包含数千个测试。这些测试同样属于 PR 和夜间构建的一部分。Tests\Vibes 文件夹中包含 MATLAB 脚本，用于将 Infer.NET 与 VIBES 软件包进行比较。运行这些脚本需要在同一文件夹中存在 Vibes2_0.jar（可在 VIBES 网站上获取）。

  • Learners 文件夹包含 Learners 的单元测试和测试应用程序（见上文）。

• build 文件夹包含持续集成构建的 YAML 定义以及 NuGet 包的规范文件。

• docs 文件夹包含用于构建 API 文档和更新 https://dotnet.github.io/infer 的脚本。更多详细信息请参阅 docs/README.md。

从源代码构建 Infer.NET

请参阅我们的 构建指南。

贡献

我们欢迎贡献！请查看我们的 贡献指南。

当提交包含更改或新增因子的拉取请求时，请确保按照 这里 的说明更新因子文档。

许可证

Infer.NET 采用 MIT 许可证 许可。

.NET 基金会

Infer.NET 是 .NET 基金会 的一个项目。它同时也是 ML.NET 机器学习框架的一部分。

GitHub 上有许多与 .NET 相关的项目。

• .NET 主仓库 - 提供数百个来自 Microsoft 和社区的 .NET 项目链接。

Infer.NET 快速上手指南

Infer.NET 是一个用于在图形模型中运行贝叶斯推断的框架，同时也支持概率编程。它可用于解决分类、推荐、聚类等多种机器学习问题。

环境准备

• 操作系统：Windows、Linux 或 macOS（跨平台支持）。
• 运行时依赖：需安装 .NET SDK。
  • 核心包基于 .NET Standard 2.0，兼容 .NET Framework 4.6.2+ 或 .NET Core 3.1+（推荐使用较新的 .NET 6/8 以获得更好支持）。
• 开发工具：任意支持 .NET 的代码编辑器（如 Visual Studio, VS Code, Rider）。

国内加速建议：如果访问 NuGet 官方源速度较慢，可在项目目录创建 NuGet.Config 文件，添加阿里云或腾讯云镜像源：

<?xml version="1.0" encoding="utf-8"?>
<configuration>
  <packageSources>
    <add key="aliyun" value="https://packages.aliyun.com/dotnet/core/v3/index.json" />
  </packageSources>
</configuration>

安装步骤

Infer.NET 通过 NuGet 包管理器进行安装，无需克隆源码即可使用预编译二进制文件。

在项目根目录下打开终端，执行以下命令添加核心包：

dotnet add package Microsoft.ML.Probabilistic
dotnet add package Microsoft.ML.Probabilistic.Compiler

如果您需要使用内置的分类器或推荐系统等完整机器学习应用，还需添加：

dotnet add package Microsoft.ML.Probabilistic.Learners

注：Windows 用户若需特定的可视化分析工具，可额外安装 Microsoft.ML.Probabilistic.Visualizers.Windows。

基本使用

以下是一个最简单的示例，演示如何定义一个简单的概率模型并执行推断（计算两个高斯分布之和的后验分布）。

创建一个 C# 文件（如 Program.cs），写入以下代码：

using Microsoft.ML.Probabilistic;
using Microsoft.ML.Probabilistic.Distributions;
using Microsoft.ML.Probabilistic.Models;

namespace InferNetQuickStart
{
    class Program
    {
        static void Main(string[] args)
        {
            // 定义变量
            Variable<double> x = Variable.GaussianFromMeanAndPrecision(0, 1.0);
            Variable<double> y = Variable.GaussianFromMeanAndPrecision(0, 1.0);
            Variable<double> sum = x + y;

            // 创建推理引擎
            InferenceEngine engine = new InferenceEngine();
            
            // 观察数据：假设我们观测到 sum 的值为 5.0
            sum.ObservedValue = 5.0;

            // 执行推断
            var posteriorX = engine.Infer<Gaussian>(x);
            var posteriorY = engine.Infer<Gaussian>(y);

            // 输出结果
            System.Console.WriteLine($"Posterior distribution of x: {posteriorX}");
            System.Console.WriteLine($"Posterior distribution of y: {posteriorY}");
        }
    }
}

运行项目：

dotnet run

程序将输出变量 x 和 y 在给定观测值下的后验概率分布。更多复杂示例（如图像分类、主题模型 LDA 等）可参考官方文档中的 Tutorials and Examples。