TensorFlowSharp入門使用C#編寫TensorFlow人工智能應用學習。
TensorFlow簡單介紹
TensorFlow 是谷歌的第二代機器學習系統，按照谷歌所說，在某些基準測試中，TensorFlow的表現比第一代的DistBelief快了2倍。
TensorFlow 內建深度學習的擴展支持，任何能夠用計算流圖形來表達的計算，都可以使用TensorFlow。任何基於梯度的機器學習算法都能夠受益於TensorFlow的自動分化（auto-differentiation）。通過靈活的Python接口，要在TensorFlow中表達想法也會很容易。
TensorFlow 對於實際的產品也是很有意義的。將思路從桌面GPU訓練無縫搬遷到手機中運行。
示例Python代碼：
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
官方源碼庫，該項目支持跨平臺，使用Mono。
可以使用NuGet 安裝TensorFlowSharp，如下：
Install-Package TensorFlowSharp
編寫簡單應用
使用VS2017新建一個.NET Framework 控制檯應用 tensorflowdemo，接着添加TensorFlowSharp 引用。
TensorFlowSharp 包比較大，需要耐心等待。
然後在項目屬性中生成->平臺目標 改爲 x64。
打開Program.cs 寫入如下代碼：
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"); // 兩常量加
var addingResults = session.GetRunner().Run(graph.Add(a, b)); var addingResultValue = addingResults[0].GetValue();
Console.WriteLine("a+b={0}", addingResultValue); // 兩常量乘
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();
}
運行程序結果如下：
TensorFlow C# p_w_picpath recognition
圖像識別示例體驗
https://github.com/migueldeicaza/TensorFlowSharp/tree/master/Examples/ExampleInceptionInference
下面學習一個實際的人工智能應用，是非常簡單的一個示例，圖像識別。
新建一個 p_w_picpathrecognition .NET Framework 控制檯應用項目，接着添加TensorFlowSharp 引用。
然後在項目屬性中生成->平臺目標 改爲 x64。
接着編寫如下代碼：
View Code
這裏需要注意的是由於需要下載初始Graph和標籤，而且是google的站點，所以得使用一些特殊手段。
最終我隨便下載了幾張圖放到bin\Debug\img
然後運行程序，首先確保bin\Debug\tmp文件夾下有tensorflow_inception_graph.pb及p_w_picpathnet_comp_graph_label_strings.txt。
人工智能的魅力非常大，本文只是一個入門，複製上面的代碼，你沒法訓練模型等等操作。