[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tool-dotnet--machinelearning-samples":3,"similar-dotnet--machinelearning-samples":109},{"id":4,"github_repo":5,"name":6,"description_en":7,"description_zh":8,"ai_summary_zh":8,"readme_en":9,"readme_zh":10,"quickstart_zh":11,"use_case_zh":12,"hero_image_url":13,"owner_login":14,"owner_name":15,"owner_avatar_url":16,"owner_bio":17,"owner_company":18,"owner_location":18,"owner_email":19,"owner_twitter":20,"owner_website":21,"owner_url":22,"languages":23,"stars":28,"forks":29,"last_commit_at":30,"license":31,"difficulty_score":32,"env_os":33,"env_gpu":34,"env_ram":34,"env_deps":35,"category_tags":43,"github_topics":45,"view_count":32,"oss_zip_url":18,"oss_zip_packed_at":18,"status":50,"created_at":51,"updated_at":52,"faqs":53,"releases":82},4677,"dotnet\u002Fmachinelearning-samples","machinelearning-samples","Samples for ML.NET, an open source and cross-platform machine learning framework for .NET.","machinelearning-samples 是专为 ML.NET 框架打造的开源代码示例库，旨在帮助 .NET 开发者轻松上手机器学习。ML.NET 是一个跨平台的开源机器学习框架，而该仓库通过提供丰富的实战案例，解决了开发者在将机器学习模型集成到现有或新建 .NET 应用时“不知从何开始”的难题。\n\n这里主要面向 .NET 生态的软件开发者和工程师，无论您是希望快速了解特定算法原理，还是需要构建完整的端到端应用，都能找到合适的参考。仓库内容分为两类：一是聚焦具体任务的“入门示例”，通常以简单的控制台应用形式呈现，涵盖情感分析、垃圾邮件检测、信用卡欺诈识别及鸢尾花分类等经典场景；二是“端到端应用”，展示了如何将训练好的模型真正融入 Web 或桌面程序中，例如自动标记 GitHub 问题的完整解决方案。\n\n其独特亮点在于全面支持 C# 和 F# 两种语言，并严格对应二分类、多分类等实际业务场景进行分类整理。通过这些经过验证的代码片段，开发者无需深入复杂的数学推导，即可直接在熟悉的 .NET 环境中调用强大的机器学习能力，高效实现智能化功能升级。","> Note: We'd love to hear your thoughts about MLOps. Let us know in [this survey](https:\u002F\u002Fwww.research.net\u002Fr\u002Fmlops-samples).\n\n# ML.NET Samples\n\n[ML.NET](https:\u002F\u002Fwww.microsoft.com\u002Fnet\u002Flearn\u002Fapps\u002Fmachine-learning-and-ai\u002Fml-dotnet) is a cross-platform open-source machine learning framework that makes machine learning accessible to .NET developers.\n\nIn this GitHub repo, we provide samples which will help you get started with ML.NET and how to infuse ML into existing and new .NET apps.\n\n**Note:** Please open issues related to [ML.NET](https:\u002F\u002Fwww.microsoft.com\u002Fnet\u002Flearn\u002Fapps\u002Fmachine-learning-and-ai\u002Fml-dotnet) framework in the [Machine Learning repository](https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning\u002Fissues). Please create the issue in this repo only if you face issues with the samples in this repository.\n\nThere are two types of samples\u002Fapps in the repo:\n\n* Getting Started  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png) : ML.NET code focused samples for each ML task or area, usually implemented as simple console apps.\n\n* End-End apps ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png) : End-user sample web and desktop apps infused with Machine Learning models based on ML.NET.\n\nThe official ML.NET samples are divided in multiple categories depending on the scenario and machine learning problem\u002Ftask, accessible through the following tables:\n\n\u003Ctable align=\"middle\" width=100%>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">Binary classification\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_9703ecbc8335.png\" alt=\"Binary classification chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Sentiment Analysis\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FBinaryClassification_SentimentAnalysis\">C#\u003C\u002Fa>     \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FBinaryClassification_SentimentAnalysis\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_eaa4417981c6.png\" alt=\"Movie Recommender chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Spam Detection\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FBinaryClassification_SpamDetection\">C#\u003C\u002Fa>     \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FBinaryClassification_SpamDetection\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_a6c681c34e5a.png\" alt=\"Power Anomaly detection chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Credit Card Fraud Detection\u003Cbr>(Binary Classification)\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FBinaryClassification_CreditCardFraudDetection\">C#\u003C\u002Fa>    \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FBinaryClassification_CreditCardFraudDetection\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_cf6e6820a54f.png\" alt=\"disease detection chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Heart Disease Prediction \u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FBinaryClassification_HeartDiseaseDetection\">C#\u003C\u002Fa>\u003C\u002Ftd>\n    \u003Ctd>\u003C\u002Ftd>\n    \u003Ctd>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">Multi-class classification\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_d2e7ee198580.png\" alt=\"Issue Labeler chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Issues Classification  \u003Cbr> \u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FMulticlassClassification-GitHubLabeler\">C#\u003C\u002Fa>  \u003Ca href=\"samples\u002Ffsharp\u002Fend-to-end-apps\u002FMulticlassClassification-GitHubLabeler\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_6d29670c06ea.png\" alt=\"Movie Recommender chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Iris Flowers Classification \u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FMulticlassClassification_Iris\">C#\u003C\u002Fa>    \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FMulticlassClassification_Iris\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_4bca383727df.png\" alt=\"Movie Recommender chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>MNIST\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FMulticlassClassification_MNIST\">C#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">Recommendation\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_bb9c766c1f41.png\" alt=\"Product Recommender chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Product Recommendation\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FMatrixFactorization_ProductRecommendation\">C#\u003C\u002Fa>\u003C\u002Fh4>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_b75aca340da0.png\" alt=\"Movie Recommender chart\" >\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Movie Recommender \u003Cbr>(Matrix Factorization)\u003Cb>\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FMatrixFactorization_MovieRecommendation\">C#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_b75aca340da0.png\" alt=\"Movie Recommender chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Movie Recommender \u003Cbr>(Field Aware Factorization Machines)\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FRecommendation-MovieRecommender\">C#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">Regression\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_33710b898700.png\" alt=\"Price Prediction chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Price Prediction\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FRegression_TaxiFarePrediction\">C#\u003C\u002Fa>     \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FRegression_TaxiFarePrediction\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_a1abd2c93268.png\" alt=\"Sales ForeCasting chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Sales Forecasting (Regression)\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FForecasting-Sales\">C#\u003C\u002Fa>\u003Cbr>\u003Cbr>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_7c392e5e6c33.png\" alt=\"Demand Prediction chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Demand Prediction\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FRegression_BikeSharingDemand\">C#\u003C\u002Fa>    \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FRegression_BikeSharingDemand\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">Time Series Forecasting\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_a1abd2c93268.png\" alt=\"Sales ForeCasting chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Sales Forecasting (Time Series)\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FForecasting-Sales\">C#\u003C\u002Fa>\u003Cbr>\u003Cbr>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd>\u003C\u002Ftd>\n    \u003Ctd>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">Anomaly Detection\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_f39905f67df2.png\" alt=\"Spike detection chart\">\u003Cbr>\u003Cbr>\u003Cb>Sales Spike Detection\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\"> \u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FAnomalyDetection_Sales\">C#\u003C\u002Fa>&nbsp    \n      \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\"> \u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FAnomalyDetection-Sales\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_f39905f67df2.png\" alt=\"Spike detection chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Power Anomaly Detection\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FAnomalyDetection_PowerMeterReadings\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n      \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_a6c681c34e5a.png\" alt=\"Power Anomaly detection chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Credit Card Fraud Detection\u003Cbr>(Anomaly Detection)\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FAnomalyDetection_CreditCardFraudDetection\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">Clustering\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_51fdd0af4cd0.png\" alt=\"Customer Segmentation chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Customer Segmentation\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FClustering_CustomerSegmentation\">C#\u003C\u002Fa>     \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FClustering_CustomerSegmentation\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_37ef2b25150e.png\" alt=\"IRIS Flowers chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>IRIS Flowers Clustering\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FClustering_Iris\">C#\u003C\u002Fa>     \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FClustering_Iris\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">Ranking\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_aa6b2e23a819.png\" alt=\"Ranking chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Rank Search Engine Results\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FRanking_Web\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n      \u003Ctd>\u003C\u002Ftd>\n      \u003Ctd>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">Computer Vision\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n      \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_561132ab6031.png\" alt=\"Image Classification chart\">\u003Cbr>\u003Cb>Image Classification Training\u003Cbr>    (High-Level API)\u003Cbr>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\"> \u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FDeepLearning_ImageClassification_Training\">C#\u003C\u002Fa> \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FDeepLearning_ImageClassification_Training\">F#\u003C\u002Fa> &nbsp&nbsp&nbsp  \n    \u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_561132ab6031.png\" alt=\"Image Classification chart\">\u003Cbr>\u003Cb>Image Classification Predictions\u003Cbr>(Pretrained TensorFlow model scoring)\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\"> \u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FDeepLearning_ImageClassification_TensorFlow\">C#\u003C\u002Fa>   \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FDeepLearning_ImageClassification_TensorFlow\">F#\u003C\u002Fa> &nbsp&nbsp&nbsp  \n      \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\"> \u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FDeepLearning_ImageClassification_TensorFlow\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\u003Cb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_561132ab6031.png\" alt=\"Image Classification chart\">\u003Cbr>\u003Cb>Image Classification Training\u003Cbr>    (TensorFlow Featurizer Estimator)\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\"> \u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FDeepLearning_TensorFlowEstimator\">C#\u003C\u002Fa>   \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FDeepLearning_TensorFlowEstimator\">F#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_088ac65f5560.png\" alt=\"Object Detection chart\">\u003Cbr>\u003Cb>Object Detection\u003Cbr>    (ONNX model scoring)\u003Cbr>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\"> \u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FDeepLearning_ObjectDetection_Onnx\">C#\u003C\u002Fa>     \n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\"> \u003Ca href=\"\u002Fsamples\u002Fcsharp\u002Fend-to-end-apps\u002FObjectDetection-Onnx\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftable>\n\n\u003Cbr>\n\u003Cbr>\n\n\u003Ctable >\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">Cross Cutting Scenarios\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_d5efb5a033bc.png\" alt=\"web image\" >\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Scalable Model on WebAPI\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FScalableMLModelOnWebAPI-IntegrationPkg\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_d5efb5a033bc.png\" alt=\"web image\" >\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Scalable Model on Razor web app\u003Cbr>\u003Ca href=\"samples\u002Fmodelbuilder\u002FBinaryClassification_Sentiment_Razor\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c6c4681c69b1.png\" alt=\"Azure functions logo\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Scalable Model on Azure Functions\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FScalableMLModelOnAzureFunction\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_58159e5618ef.png\" alt=\"Database chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Scalable Model on Blazor web app\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FScalableSentimentAnalysisBlazorWebApp\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_9018edfd263d.png\" alt=\"large file chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Large Datasets\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FLargeDatasets\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_d50701ab5c78.png\" alt=\"Database chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Loading data with DatabaseLoader\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FDatabaseLoader\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_d50701ab5c78.png\" alt=\"Database chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>Loading data with  LoadFromEnumerable\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FDatabaseIntegration\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_be057dc63a42.png\" alt=\"Model explainability chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Model Explainability\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FModel-Explainability\">C#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_2559abf64f27.png\" alt=\"Extensibility icon\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Export to ONNX\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FRegression_ONNXExport\">C#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftable>\n\n\n# Automate ML.NET models generation (Preview state)\n\nThe previous samples show you how to use the ML.NET API 1.0 (GA since May 2019).\n\nHowever, we're also working on simplifying ML.NET usage with additional technologies that automate the creation of the model for you so you don't need to write the code by yourself to train a model, you simply need to provide your datasets. The \"best\" model and the code for running it will be generated for you.\n\nThese additional technologies for automating model generation are in PREVIEW state and currently only support *Binary-Classification, Multiclass Classification and Regression*. In upcoming versions we'll be supporting additional ML Tasks such as *Recommendations, Anomaly Detection, Clustering, etc.*.\n\n## CLI samples: (Preview state)\n\nThe ML.NET CLI (command-line interface) is a tool you can run on any command-prompt (Windows, Mac or Linux) for generating good quality ML.NET models based on training datasets you provide. In addition, it also generates sample C# code to run\u002Fscore that model plus the C# code that was used to create\u002Ftrain it so you can research what algorithm and settings it is using.\n\n| CLI (Command Line Interface) samples |\n|----------------------------------|\n| [Binary Classification sample](\u002Fsamples\u002FCLI\u002FBinaryClassification_CLI) |\n| [MultiClass Classification sample](\u002Fsamples\u002FCLI\u002FMulticlassClassification_CLI) |\n| [Regression sample](\u002Fsamples\u002FCLI\u002FRegression_CLI) |\n\n\n## AutoML API samples: (Preview state)\n\n**THESE SAMPLES USE THE 0.1.x VERSION OF THE AUTOML API. WHILE THESE APIS STILL WORK IN VERSION 0.2.x WE RECOMMEND USING THE NEW APIS INTRODUCED IN 0.2.x AND LATER. FOR 0.2.x SAMPLES, SEE [ML.NET 2.0 Samples](samples\u002Fcsharp\u002Fgetting-started\u002FMLNET2\u002FREADME.md)**. \n\nML.NET AutoML API is basically a set of libraries packaged as a NuGet package you can use from your .NET code. AutoML eliminates the task of selecting different algorithms, hyperparameters. AutoML will intelligently generate many combinations of algorithms and hyperparameters and will find high quality models for you.\n\n| AutoML API samples                    |\n|----------------------------------|\n| [Binary Classification sample](\u002Fsamples\u002Fcsharp\u002Fgetting-started\u002FBinaryClassification_AutoML) |\n| [MultiClass Classification sample](\u002Fsamples\u002Fcsharp\u002Fgetting-started\u002FMulticlassClassification_AutoML) |\n| [Ranking sample](\u002Fsamples\u002Fcsharp\u002Fgetting-started\u002FRanking_AutoML\u002FRanking) |\n| [Regression sample](\u002Fsamples\u002Fcsharp\u002Fgetting-started\u002FRegression_AutoML) |\n| [Advanced experiment sample](\u002Fsamples\u002Fcsharp\u002Fgetting-started\u002FAdvancedExperiment_AutoML) |\n\n\n-------------------------------------------------------\n\n# Additional ML.NET Community Samples\n\nIn addition to the ML.NET samples provided by Microsoft, we're also highlighting samples created by the community showcased in this separated page:\n[ML.NET Community Samples](https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning-samples\u002Fblob\u002Fmain\u002Fdocs\u002FCOMMUNITY-SAMPLES.md)\n\nThose Community Samples are not maintained by Microsoft but by their owners.\nIf you have created any cool ML.NET sample, please, add its info into this [REQUEST issue](https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning-samples\u002Fissues\u002F86) and we'll publish its information in the mentioned page, eventually.\n\n## Translations of Samples:\n- [Chinese Simplified](https:\u002F\u002Fgithub.com\u002Ffeiyun0112\u002Fmachinelearning-samples.zh-cn)\n\n# Learn more\n\nSee [ML.NET Guide](https:\u002F\u002Fdocs.microsoft.com\u002Fen-us\u002Fdotnet\u002Fmachine-learning\u002F) for detailed information on tutorials, ML basics, etc.\n\n# API reference\n\nCheck out the [ML.NET API Reference](https:\u002F\u002Fdocs.microsoft.com\u002Fdotnet\u002Fapi\u002F?view=ml-dotnet) to see the breadth of APIs available.\n\n# Contributing\n\nWe welcome contributions! Please review our [contribution guide](CONTRIBUTING.md).\n\n# Community\n\nPlease join our community on Gitter [![Join the chat at https:\u002F\u002Fgitter.im\u002Fdotnet\u002Fmlnet](https:\u002F\u002Fbadges.gitter.im\u002FJoin%20Chat.svg)](https:\u002F\u002Fgitter.im\u002Fdotnet\u002Fmlnet?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge&utm_content=badge)\n\nThis project has adopted the code of conduct defined by the [Contributor Covenant](http:\u002F\u002Fcontributor-covenant.org\u002F) to clarify expected behavior in our community.\nFor more information, see the [.NET Foundation Code of Conduct](https:\u002F\u002Fdotnetfoundation.org\u002Fcode-of-conduct).\n\n# License\n\n[ML.NET Samples](https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning-samples) are licensed under the [MIT license](LICENSE).\n","> 注：我们非常期待听到您对 MLOps 的看法。请在[此调查]中告诉我们您的意见。\n\n# ML.NET 示例\n\n[ML.NET](https:\u002F\u002Fwww.microsoft.com\u002Fnet\u002Flearn\u002Fapps\u002Fmachine-learning-and-ai\u002Fml-dotnet) 是一个跨平台的开源机器学习框架，使 .NET 开发者能够轻松使用机器学习技术。\n\n在这个 GitHub 仓库中，我们提供了示例，帮助您快速入门 ML.NET，并了解如何将机器学习集成到现有的和新的 .NET 应用程序中。\n\n**注意：** 请将与 [ML.NET](https:\u002F\u002Fwww.microsoft.com\u002Fnet\u002Flearn\u002Fapps\u002Fmachine-learning-and-ai\u002Fml-dotnet) 框架相关的问题提交到 [机器学习仓库](https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning\u002Fissues)。只有当您在此仓库中的示例遇到问题时，才应在此仓库中创建问题。\n\n仓库中包含两种类型的示例\u002F应用：\n\n* 入门示例 ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png)：针对每种机器学习任务或领域的 ML.NET 代码示例，通常以简单的控制台应用程序形式实现。\n\n* 端到端应用 ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png)：基于 ML.NET 的机器学习模型构建的面向最终用户的 Web 和桌面应用程序。\n\n官方 ML.NET 示例根据场景和机器学习问题\u002F任务分为多个类别，可通过以下表格访问：\n\n\u003Ctable align=\"middle\" width=100%>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">二分类\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_9703ecbc8335.png\" alt=\"二分类图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>情感分析\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FBinaryClassification_SentimentAnalysis\">C#\u003C\u002Fa>     \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FBinaryClassification_SentimentAnalysis\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_eaa4417981c6.png\" alt=\"垃圾邮件检测图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>垃圾邮件检测\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FBinaryClassification_SpamDetection\">C#\u003C\u002Fa>     \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FBinaryClassification_SpamDetection\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_a6c681c34e5a.png\" alt=\"电力异常检测图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>信用卡欺诈检测\u003Cbr>(二分类)\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FBinaryClassification_CreditCardFraudDetection\">C#\u003C\u002Fa>    \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FBinaryClassification_CreditCardFraudDetection\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_cf6e6820a54f.png\" alt=\"疾病检测图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>心脏病预测 \u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FBinaryClassification_HeartDiseaseDetection\">C#\u003C\u002Fa>\u003C\u002Ftd>\n    \u003Ctd>\u003C\u002Ftd>\n    \u003Ctd>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">多分类\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_d2e7ee198580.png\" alt=\"问题标签器图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"端到端应用图标\">\u003Cbr>\u003Cb>问题分类  \u003Cbr> \u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FMulticlassClassification-GitHubLabeler\">C#\u003C\u002Fa>  \u003Ca href=\"samples\u002Ffsharp\u002Fend-to-end-apps\u002FMulticlassClassification-GitHubLabeler\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_6d29670c06ea.png\" alt=\"鸢尾花分类图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>鸢尾花分类 \u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FMulticlassClassification_Iris\">C#\u003C\u002Fa>    \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FMulticlassClassification_Iris\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_4bca383727df.png\" alt=\"手写数字分类图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>MNIST\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FMulticlassClassification_MNIST\">C#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">推荐\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_bb9c766c1f41.png\" alt=\"产品推荐图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>产品推荐\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FMatrixFactorization_ProductRecommendation\">C#\u003C\u002Fa>\u003C\u002Fh4>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_b75aca340da0.png\" alt=\"电影推荐图表\" >\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>电影推荐 \u003Cbr>(矩阵分解)\u003Cb>\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FMatrixFactorization_MovieRecommendation\">C#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_b75aca340da0.png\" alt=\"电影推荐图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"端到端应用图标\">\u003Cbr>\u003Cb>电影推荐 \u003Cbr>(领域感知因子分解机)\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FRecommendation-MovieRecommender\">C#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">回归\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_33710b898700.png\" alt=\"价格预测图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>价格预测\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FRegression_TaxiFarePrediction\">C#\u003C\u002Fa>     \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FRegression_TaxiFarePrediction\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_a1abd2c93268.png\" alt=\"销售预测图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"端到端应用图标\">\u003Cbr>\u003Cb>销售预测 (回归)\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FForecasting-Sales\">C#\u003C\u002Fa>\u003Cbr>\u003Cbr>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_7c392e5e6c33.png\" alt=\"需求预测图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>需求预测\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FRegression_BikeSharingDemand\">C#\u003C\u002Fa>    \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FRegression_BikeSharingDemand\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">时间序列预测\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_a1abd2c93268.png\" alt=\"销售预测图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"端到端应用图标\">\u003Cbr>\u003Cb>销售预测 (时间序列)\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FForecasting-Sales\">C#\u003C\u002Fa>\u003Cbr>\u003Cbr>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd>\u003C\u002Ftd>\n    \u003Ctd>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">异常检测\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_f39905f67df2.png\" alt=\"峰值检测图表\">\u003Cbr>\u003Cbr>\u003Cb>销售峰值检测\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\"> \u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FAnomalyDetection_Sales\">C#\u003C\u002Fa>&nbsp    \n      \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"端到端应用图标\"> \u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FAnomalyDetection-Sales\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_f39905f67df2.png\" alt=\"峰值检测图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>电力异常检测\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FAnomalyDetection_PowerMeterReadings\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n      \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_a6c681c34e5a.png\" alt=\"电力异常检测图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>信用卡欺诈检测\u003Cbr>(异常检测)\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FAnomalyDetection_CreditCardFraudDetection\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">聚类\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_51fdd0af4cd0.png\" alt=\"客户细分图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>客户细分\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FClustering_CustomerSegmentation\">C#\u003C\u002Fa>     \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FClustering_CustomerSegmentation\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_37ef2b25150e.png\" alt=\"鸢尾花聚类图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>鸢尾花聚类\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FClustering_Iris\">C#\u003C\u002Fa>     \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FClustering_Iris\">F#\u003C\u002Fa>\u003C\u002Fb>\u003C\u002Ftd>\n    \u003Ctd>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">排序\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_aa6b2e23a819.png\" alt=\"排名图表\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\">\u003Cbr>\u003Cb>搜索引擎结果排名\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FRanking_Web\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n      \u003Ctd>\u003C\u002Ftd>\n      \u003Ctd>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">计算机视觉\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n      \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_561132ab6031.png\" alt=\"图像分类图表\">\u003Cbr>\u003Cb>图像分类训练\u003Cbr>    (高级API)\u003Cbr>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\"> \u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FDeepLearning_ImageClassification_Training\">C#\u003C\u002Fa> \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FDeepLearning_ImageClassification_Training\">F#\u003C\u002Fa> &nbsp&nbsp&nbsp&nbsp \n    \u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_561132ab6031.png\" alt=\"图像分类图表\">\u003Cbr>\u003Cb>图像分类预测\u003Cbr>(使用预训练的TensorFlow模型进行评分)\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\"> \u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FDeepLearning_ImageClassification_TensorFlow\">C#\u003C\u002Fa>   \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FDeepLearning_ImageClassification_TensorFlow\">F#\u003C\u002Fa> &nbsp&nbsp&nbsp&nbsp \n      \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"端到端应用图标\"> \u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FDeepLearning_ImageClassification_TensorFlow\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\u003Cb>\u003C\u002Ftd>\n    \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_561132ab6031.png\" alt=\"图像分类图表\">\u003Cbr>\u003Cb>图像分类训练\u003Cbr>    (TensorFlow特征提取器估算器)\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\"> \u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FDeepLearning_TensorFlowEstimator\">C#\u003C\u002Fa>   \u003Ca href=\"samples\u002Ffsharp\u002Fgetting-started\u002FDeepLearning_TensorFlowEstimator\">F#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd align=\"middle\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_088ac65f5560.png\" alt=\"目标检测图表\">\u003Cbr>\u003Cb>目标检测\u003Cbr>    (ONNX模型评分)\u003Cbr>\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"入门图标\"> \u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FDeepLearning_ObjectDetection_Onnx\">C#\u003C\u002Fa>     \n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"端到端应用图标\"> \u003Ca href=\"\u002Fsamples\u002Fcsharp\u002Fend-to-end-apps\u002FObjectDetection-Onnx\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftable>\n\n\u003Cbr>\n\u003Cbr>\n\n\u003Ctable >\n  \u003Ctr>\n    \u003Ctd align=\"middle\" colspan=\"3\">跨领域场景\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_d5efb5a033bc.png\" alt=\"web image\" >\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>WebAPI 上的可扩展模型\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FScalableMLModelOnWebAPI-IntegrationPkg\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_d5efb5a033bc.png\" alt=\"web image\" >\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Razor Web 应用上的可扩展模型\u003Cbr>\u003Ca href=\"samples\u002Fmodelbuilder\u002FBinaryClassification_Sentiment_Razor\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c6c4681c69b1.png\" alt=\"Azure functions logo\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Azure Functions 上的可扩展模型\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FScalableMLModelOnAzureFunction\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_58159e5618ef.png\" alt=\"Database chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>Blazor Web 应用上的可扩展模型\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FScalableSentimentAnalysisBlazorWebApp\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_9018edfd263d.png\" alt=\"large file chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>大型数据集\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FLargeDatasets\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_d50701ab5c78.png\" alt=\"Database chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>使用 DatabaseLoader 加载数据\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FDatabaseLoader\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_d50701ab5c78.png\" alt=\"Database chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_3e26c3fd82f9.png\" alt=\"Getting started icon\">\u003Cbr>\u003Cb>使用 LoadFromEnumerable 加载数据\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FDatabaseIntegration\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_be057dc63a42.png\" alt=\"Model explainability chart\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>模型可解释性\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fend-to-end-apps\u002FModel-Explainability\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003Ctd align=\"middle\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_2559abf64f27.png\" alt=\"Extensibility icon\">\u003Cbr>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_readme_c74559c6d481.png\" alt=\"End-to-end app icon\">\u003Cbr>\u003Cb>导出为 ONNX\u003Cbr>\u003Ca href=\"samples\u002Fcsharp\u002Fgetting-started\u002FRegression_ONNXExport\">C#\u003C\u002Fa>\u003Cb>\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftable>\n\n\n\n\n# 自动化 ML.NET 模型生成（预览版）\n\n前面的示例展示了如何使用 ML.NET API 1.0（自 2019 年 5 月起正式发布）。\n\n然而，我们也在致力于通过其他技术简化 ML.NET 的使用，这些技术可以自动为您创建模型，您无需亲自编写代码来训练模型，只需提供您的数据集即可。系统会为您生成“最佳”模型以及运行该模型的代码。\n\n这些用于自动化模型生成的技术目前处于预览阶段，当前仅支持 *二分类、多分类和回归*。在未来的版本中，我们将支持更多机器学习任务，例如 *推荐、异常检测、聚类等*。\n\n## CLI 示例：（预览版）\n\nML.NET CLI（命令行界面）是一种工具，您可以在任何命令提示符（Windows、Mac 或 Linux）上运行，以根据您提供的训练数据集生成高质量的 ML.NET 模型。此外，它还会生成用于运行或评分该模型的 C# 示例代码，以及用于创建和训练该模型的 C# 代码，以便您可以研究它所使用的算法和设置。\n\n| CLI（命令行界面）示例 |\n|----------------------------------|\n| [二分类示例](\u002Fsamples\u002FCLI\u002FBinaryClassification_CLI) |\n| [多分类示例](\u002Fsamples\u002FCLI\u002FMulticlassClassification_CLI) |\n| [回归示例](\u002Fsamples\u002FCLI\u002FRegression_CLI) |\n\n\n## AutoML API 示例：（预览版）\n\n**这些示例使用的是 AutoML API 的 0.1.x 版本。虽然这些 API 在 0.2.x 版本中仍然可用，但我们建议使用 0.2.x 及更高版本中引入的新 API。有关 0.2.x 的示例，请参阅 [ML.NET 2.0 示例](samples\u002Fcsharp\u002Fgetting-started\u002FMLNET2\u002FREADME.md)**。\n\nML.NET AutoML API 基本上是一组打包成 NuGet 包的库，您可以从自己的 .NET 代码中使用。AutoML 可以消除选择不同算法和超参数的任务。AutoML 会智能地生成多种算法和超参数的组合，并为您找到高质量的模型。\n\n| AutoML API 示例                    |\n|----------------------------------|\n| [二分类示例](\u002Fsamples\u002Fcsharp\u002Fgetting-started\u002FBinaryClassification_AutoML) |\n| [多分类示例](\u002Fsamples\u002Fcsharp\u002Fgetting-started\u002FMulticlassClassification_AutoML) |\n| [排序示例](\u002Fsamples\u002Fcsharp\u002Fgetting-started\u002FRanking_AutoML\u002FRanking) |\n| [回归示例](\u002Fsamples\u002Fcsharp\u002Fgetting-started\u002FRegression_AutoML) |\n| [高级实验示例](\u002Fsamples\u002Fcsharp\u002Fgetting-started\u002FAdvancedExperiment_AutoML) |\n\n\n-------------------------------------------------------\n\n# 其他 ML.NET 社区示例\n\n除了微软提供的 ML.NET 示例之外，我们还特别介绍了由社区创建的示例，这些示例在单独的页面上展示：\n[ML.NET 社区示例](https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning-samples\u002Fblob\u002Fmain\u002Fdocs\u002FCOMMUNITY-SAMPLES.md)\n\n这些社区示例并非由微软维护，而是由其所有者负责。\n如果您创建了任何酷炫的 ML.NET 示例，请将相关信息添加到此 [请求问题](https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning-samples\u002Fissues\u002F86)，我们将在上述页面上发布相关信息。\n\n## 示例翻译：\n- [简体中文](https:\u002F\u002Fgithub.com\u002Ffeiyun0112\u002Fmachinelearning-samples.zh-cn)\n\n# 了解更多信息\n\n请参阅 [ML.NET 指南](https:\u002F\u002Fdocs.microsoft.com\u002Fen-us\u002Fdotnet\u002Fmachine-learning\u002F) 以获取有关教程、机器学习基础知识等方面的详细信息。\n\n# API 参考\n\n查看 [ML.NET API 参考](https:\u002F\u002Fdocs.microsoft.com\u002Fdotnet\u002Fapi\u002F?view=ml-dotnet) 以了解可用的 API 范围。\n\n# 贡献\n\n我们欢迎贡献！请查看我们的 [贡献指南](CONTRIBUTING.md)。\n\n# 社区\n\n请加入我们在 Gitter 上的社区 [![Join the chat at https:\u002F\u002Fgitter.im\u002Fdotnet\u002Fmlnet](https:\u002F\u002Fbadges.gitter.im\u002FJoin%20Chat.svg)](https:\u002F\u002Fgitter.im\u002Fdotnet\u002Fmlnet?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge&utm_content=badge)\n\n该项目已采用 [贡献者公约](http:\u002F\u002Fcontributor-covenant.org\u002F) 定义的行为准则，以明确我们社区中的期望行为。\n更多信息请参阅 [.NET 基金会行为准则](https:\u002F\u002Fdotnetfoundation.org\u002Fcode-of-conduct)。\n\n# 许可证\n\n[ML.NET 示例](https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning-samples) 依据 [MIT 许可证](LICENSE) 进行授权。","# ML.NET Samples 快速上手指南\n\n本指南帮助 .NET 开发者快速开始使用 **ML.NET** 开源示例库，涵盖从基础代码示例到完整的端到端应用。\n\n## 1. 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Windows, Linux, 或 macOS (跨平台支持)。\n*   **.NET SDK**: 安装 [.NET 6.0](https:\u002F\u002Fdotnet.microsoft.com\u002Fdownload\u002Fdotnet\u002F6.0) 或更高版本。\n    *   *国内加速*: 建议访问 [.NET 中国镜像站](https:\u002F\u002Fdotnet.microsoft.com\u002Fzh-cn\u002Fdownload\u002Fdotnet) 下载 SDK，或使用国内镜像源配置环境变量。\n*   **开发工具 (可选但推荐)**:\n    *   Visual Studio 2022 (Windows) 或 Visual Studio Code (全平台)。\n    *   安装 C# 或 F# 扩展插件。\n\n## 2. 安装步骤\n\n您无需安装额外的全局包，只需克隆仓库并还原具体示例项目的依赖即可。\n\n### 步骤一：克隆仓库\n打开终端（Terminal 或 PowerShell），执行以下命令克隆示例库：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning-samples.git\ncd machinelearning-samples\n```\n\n> **提示**: 如果克隆速度较慢，可使用 Gitee 镜像（如有）或配置 Git 代理加速。\n\n### 步骤二：选择并进入示例目录\n根据您想学习的机器学习任务（如情感分析、图像分类等），进入对应的子目录。例如，进入“情感分析”的 C# 入门示例：\n\n```bash\ncd samples\u002Fcsharp\u002Fgetting-started\u002FBinaryClassification_SentimentAnalysis\n```\n\n### 步骤三：还原依赖\n在项目目录下运行以下命令恢复 NuGet 包：\n\n```bash\ndotnet restore\n```\n\n> **国内加速技巧**: 若 `dotnet restore` 速度慢，可临时指定国内 NuGet 源：\n> ```bash\n> dotnet restore -s https:\u002F\u002Fapi.nuget.cn\u002Fv3\u002Findex.json\n> ```\n\n## 3. 基本使用\n\n以下以 **情感分析 (Sentiment Analysis)** 为例，展示如何运行最简单的控制台应用。\n\n### 运行示例\n在项目根目录下直接运行：\n\n```bash\ndotnet run\n```\n\n### 预期输出\n程序将加载预训练模型或使用示例数据训练一个新模型，并输出测试结果。您将看到类似以下的控制台输出：\n\n```text\n=============== Training the model ===============\n...\n=============== End of training ===============\n=============== Predicting the sentiment of few texts ===============\nText: \"This is a very good movie.\" | Prediction: Positive Sentiment\nText: \"I hated this movie, it was terrible.\" | Prediction: Negative Sentiment\n```\n\n### 探索更多场景\n本仓库包含多种机器学习任务，您可以切换目录尝试不同示例：\n\n| 任务类型 | 示例目录路径 (C#) | 说明 |\n| :--- | :--- | :--- |\n| **二分类** | `samples\u002Fcsharp\u002Fgetting-started\u002FBinaryClassification_SpamDetection` | 垃圾邮件检测 |\n| **多分类** | `samples\u002Fcsharp\u002Fgetting-started\u002FMulticlassClassification_Iris` | 鸢尾花分类 |\n| **回归预测** | `samples\u002Fcsharp\u002Fgetting-started\u002FRegression_TaxiFarePrediction` | 出租车票价预测 |\n| **异常检测** | `samples\u002Fcsharp\u002Fgetting-started\u002FAnomalyDetection_Sales` | 销售尖峰检测 |\n| **聚类** | `samples\u002Fcsharp\u002Fgetting-started\u002FClustering_CustomerSegmentation` | 客户细分 |\n| **计算机视觉** | `samples\u002Fcsharp\u002Fgetting-started\u002FDeepLearning_ImageClassification_TensorFlow` | 图像分类 (TensorFlow 模型) |\n\n对于更复杂的**端到端应用 (End-to-End Apps)**（如带有 Web 界面的电影推荐系统），请进入 `samples\u002Fcsharp\u002Fend-to-end-apps\u002F` 下的对应目录，通常需要先构建再运行：\n\n```bash\ndotnet build\ndotnet run\n```\n\n随后按照控制台提示在浏览器中打开指定端口即可体验完整应用。","一家电商公司的 .NET 开发团队正试图在现有的客户服务系统中集成自动工单分类功能，以便将用户反馈快速路由至对应部门。\n\n### 没有 machinelearning-samples 时\n- 团队缺乏针对 .NET 环境的现成多分类代码参考，不得不从零研究 ML.NET 复杂的 API 调用流程，导致项目启动严重滞后。\n- 开发人员难以理解如何将训练好的模型无缝嵌入到现有的 ASP.NET Web 应用中，常在数据预处理和模型加载环节遭遇隐蔽的运行时错误。\n- 由于缺少标准的端到端（End-to-End）示例，团队在构建完整闭环应用时只能盲目试错，无法验证“数据输入 - 模型预测 - 结果输出”的整体架构可行性。\n- 面对二分类与多分类等不同任务场景，团队需自行摸索算法选择与参数调优策略，极大增加了技术门槛和人力成本。\n\n### 使用 machinelearning-samples 后\n- 团队直接复用仓库中\"GitHub Issues 分类”等成熟的多分类示例代码，迅速掌握了核心逻辑，将原型开发时间从数周缩短至几天。\n- 参照端到端应用示例，开发人员轻松实现了模型在 Web 服务中的部署与调用，确保了数据流转的稳定性和准确性。\n- 利用分类清晰的示例库，团队快速定位到适合工单场景的多分类模板，直接在其基础上修改业务数据即可运行，避免了重复造轮子。\n- 通过对比不同任务（如情感分析、垃圾邮件检测）的代码实现，团队深入理解了 ML.NET 的统一编程模型，显著降低了学习曲线。\n\nmachinelearning-samples 让 .NET 开发者能够站在巨人的肩膀上，将原本高不可攀的机器学习落地过程转化为标准化的代码复用工程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdotnet_machinelearning-samples_1c85d397.png","dotnet",".NET Platform","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdotnet_0412dd17.png","Home of the open source .NET platform",null,"contact@dotnetfoundation.org","dotnetfdn","https:\u002F\u002Fdot.net","https:\u002F\u002Fgithub.com\u002Fdotnet",[24],{"name":25,"color":26,"percentage":27},"PowerShell","#012456",100,4682,2693,"2026-04-04T06:54:34","MIT",2,"Linux, macOS, Windows","未说明",{"notes":36,"python":37,"dependencies":38},"该项目是 ML.NET 的示例集合，主要面向 .NET 开发者，使用 C# 或 F# 语言。无需 Python 环境。部分深度学习示例（如图像分类、物体检测）可能需要预训练的 TensorFlow 或 ONNX 模型。具体运行环境取决于所选的示例类型（入门控制台应用或端到端 Web\u002F桌面应用）。","不适用 (基于 .NET)",[39,40,41,42],"ML.NET",".NET SDK","TensorFlow (可选，用于深度学习样本)","ONNX Runtime (可选，用于对象检测样本)",[44],"开发框架",[46,47,14,48,49],"machine-learning","algorithms","csharp","ml","ready","2026-03-27T02:49:30.150509","2026-04-07T07:11:33.862830",[54,59,64,69,74,78],{"id":55,"question_zh":56,"answer_zh":57,"source_url":58},21269,"运行图像分类示例时遇到 'Google.Protobuf.InvalidProtocolBufferException' 或 'The size of input lines is not consistent' 错误怎么办？","这两个错误通常与数据文件或模型文件损坏有关。对于 'InvalidProtocolBufferException'，可能是输入的协议缓冲区消息被截断或长度报告错误，建议重新下载或验证模型文件。对于 'The size of input lines is not consistent' 错误，通常是因为训练数据集中存在格式不一致的行（如空行或错误的列数）。请检查并清理您的数据集，确保所有行的列数一致，并删除任何多余的元数据文件或损坏的缓存文件。如果问题依旧，请提供完整的堆栈跟踪以便进一步排查。","https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning-samples\u002Fissues\u002F689",{"id":60,"question_zh":61,"answer_zh":62,"source_url":63},21270,"使用 Database Loader 从数据库加载数据时，为什么列值变成了 Vector\u003CT> 类型导致无法训练？","这是一个已知的 Bug，Microsoft ML 的 Database Loader 在某些情况下会将标量列（如 int 或 float）错误地读取为 Vector\u003CT> 类型，导致后续转换器（如 OneHotEncoding）或训练器因架构不匹配而报错（例如：expected Single, got Vector\u003CSingle>）。该问题已在主分支修复。您可以暂时通过以下两种方式解决：1. 等待包含修复的新版本发布到 NuGet；2. 如果需要立即测试，可以配置使用每日构建包（daily-build-drops），NuGet 源地址为：https:\u002F\u002Fpkgs.dev.azure.com\u002Fdnceng\u002Fpublic\u002F_packaging\u002FMachineLearning\u002Fnuget\u002Fv3\u002Findex.json。","https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning-samples\u002Fissues\u002F722",{"id":65,"question_zh":66,"answer_zh":67,"source_url":68},21271,"训练时遇到 'Unable to split file provided into multiple consistent columns' 错误如何解决？","此错误通常是由 CSV 文件格式问题引起的，特别是文件中存在多余的空行、换行符格式不正确或某些行的列数不一致。即使是来自 Kaggle 等知名来源的数据集也可能存在此问题。解决方法是：1. 使用文本编辑器（如 Notepad++）打开 CSV 文件；2. 手动检查并删除文件末尾或中间的空行；3. 确保所有数据行的列数与标题行一致；4. 保存文件后重新运行训练。","https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning-samples\u002Fissues\u002F441",{"id":70,"question_zh":71,"answer_zh":72,"source_url":73},21272,"运行入门教程时提示 'Could not parse value ... in line 1, column Label' 错误是什么原因？","这个错误表明 ML.NET 试图将数据文件的第一行当作数据进行解析，而第一行实际上是列标题（Header）。例如，它在 'Label' 列的第一行读到了 'Sentiment' 这个字符串，而不是预期的数值或标签值。解决方法是在运行命令行工具或加载数据时，明确指定文件包含表头。如果在命令行中运行，请添加参数 '--has-header true'；如果在代码中使用 TextLoader，请确保在选项中设置 HasHeader = true。","https:\u002F\u002Fgithub.com\u002Fdotnet\u002Fmachinelearning-samples\u002Fissues\u002F425",{"id":75,"question_zh":76,"answer_zh":77,"source_url":68},21273,"如何调试 ML.NET 内部代码以定位数据集导致的异常根源？","若要深入调试 ML.NET 源码以查看异常发生的具体位置和变量状态，请在 Visual Studio 中进行以下配置：1. 取消勾选 '启用仅我的代码' (Enable Just My Code)：进入 工具 -> 选项 -> 调试 -> 常规；2. 启用 'Microsoft 符号服务器' (Microsoft Symbol Server)：进入 工具 -> 选项 -> 调试 -> 符号，并勾选该选项；3. 当调试过程中提示下载源代码时，允许通过 Source Link 下载源码。完成上述设置后，重新运行程序，当异常抛出时即可直接跳转到 ML.NET 内部代码行进行断点调试。",{"id":79,"question_zh":80,"answer_zh":81,"source_url":58},21274,"图像分类训练中 batchSize 参数应该如何设置？","batchSize 设置了每次馈送给模型的图像数量。关键注意事项是：batchSize 必须能够整除训练集的总图像数量。如果不能整除，训练集中剩余的部分图像将不会被用于训练，从而导致数据浪费或潜在的精度下降。在定义管道时，请根据您的数据集大小选择一个合适的倍数作为 batchSize（例如示例中的 30）。",[83,87,91,95,99,104],{"id":84,"version":85,"summary_zh":18,"released_at":86},127284,"186179","2020-08-24T20:21:19",{"id":88,"version":89,"summary_zh":18,"released_at":90},127285,"164466","2020-06-30T20:58:03",{"id":92,"version":93,"summary_zh":18,"released_at":94},127286,"138644","2020-04-16T06:06:56",{"id":96,"version":97,"summary_zh":18,"released_at":98},127287,"134102","2020-03-31T22:27:21",{"id":100,"version":101,"summary_zh":102,"released_at":103},127288,"v1.2","针对 ML.NET v.12 的示例","2019-08-06T21:38:35",{"id":105,"version":106,"summary_zh":107,"released_at":108},127289,"1.1","发布版本，其中大多数示例针对 ML.NET 1.1。","2019-07-19T00:50:57",[110,122,130,139,147,156],{"id":111,"name":112,"github_repo":113,"description_zh":114,"stars":115,"difficulty_score":116,"last_commit_at":117,"category_tags":118,"status":50},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[119,44,120,121],"Agent","图像","数据工具",{"id":123,"name":124,"github_repo":125,"description_zh":126,"stars":127,"difficulty_score":116,"last_commit_at":128,"category_tags":129,"status":50},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[44,120,119],{"id":131,"name":132,"github_repo":133,"description_zh":134,"stars":135,"difficulty_score":32,"last_commit_at":136,"category_tags":137,"status":50},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",141543,"2026-04-06T11:32:54",[44,119,138],"语言模型",{"id":140,"name":141,"github_repo":142,"description_zh":143,"stars":144,"difficulty_score":32,"last_commit_at":145,"category_tags":146,"status":50},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[44,120,119],{"id":148,"name":149,"github_repo":150,"description_zh":151,"stars":152,"difficulty_score":32,"last_commit_at":153,"category_tags":154,"status":50},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[155,44],"插件",{"id":157,"name":158,"github_repo":159,"description_zh":160,"stars":161,"difficulty_score":116,"last_commit_at":162,"category_tags":163,"status":50},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[138,120,119,44]]