第1章
TensorFlow.NET介绍

1.1 TensorFlow.NET特性

TensorFlow.NET（TF.NET）是SciSharp Stack开源社区团队的贡献，它为TensorFlow提供了.NET Standard Binding，旨在用C#实现完整的TensorFlow API，允许.NET开发人员使用跨平台的.NET Standard框架开发、训练和部署机器学习模型。TensorFlow.NET的使命是打造一个完全属于.NET开发人员自己的机器学习平台。对于C#开发人员来说，TensorFlow.NET是一个零学习成本的机器学习平台，该平台集成了大量API和底层封装，力图使TensorFlow的Python代码风格和编程习惯无缝移植到.NET平台。Python代码风格和TensorFlow.NET代码风格如图1-1所示。

图1-1 Python代码风格（左）和TensorFlow.NET代码风格（右）

1.2 TensorFlow.NET开源库结构

SciSharp Stack的机器学习工具库和微软官方的库最大的区别，是SciSharp Stack中所有库的语法都最大限度地按照Python生态的习惯实现。有了SciSharp Stack，相当于有了Typed-Python（强类型Python），这样做的目的是让.NET开发者花最小的成本去学习并运用机器学习知识。SciSharp Stack目前包含几个流行项目：BotSharp（AI机器人平台框架）、NumSharp（数值计算库）、TensorFlow.NET（深度学习库）、Pandas.NET（数据处理库）、SharpCV（图形图像处理库），可以完全脱离Python环境使用，目前已经被微软ML.NET官方的底层算法集成，并被谷歌写入TensorFlow官网教程推荐给全球开发者使用。TensorFlow.NET深受广大.NET深度学习开发者喜爱，截至2020年12月，GitHub上的SciSharp/TensorFlow.NET项目Star超过2000个，NuGet上的总下载量已突破100万次。

1.SciSharp产品结构

图1-2所示为SciSharp产品结构，可以看到其涵盖了大部分的机器学习领域，包括底层机器学习工具、图形图像处理工具、自然语言语义和高层应用API等。

图1-2 SciSharp产品结构

2.微软ML.NET底层集成算法

微软自动机器学习云端平台ML.NET底层集成了TensorFlow.NET，微软ML.NET结构如图1-3所示。

图1-3 微软ML.NET结构

3.谷歌官方推荐.NET开发者使用

谷歌在其TensorFlow官网的API文档教程中推荐C#开发者使用TensorFlow.NET框架，如图1-4所示。

图1-4 谷歌TensorFlow官网API文档教程中推荐C#开发者使用TensorFlow.NET框架

4.微软F#官方主推的大数据框架

作为最受.NET开发者欢迎的函数式语言，同时是TensorFlow.NET官方语言平台之一，F#在其官网中主推TensorFlow.NET作为其大数据框架，图1-5所示为F#官网对SciSharp Stack开源生态的说明。

图1-5 F#官网对SciSharp Stack开源生态的说明

图1-6所示为F#官网对SciSharp Stack各核心引用库的说明。

图1-6 F#官网对SciSharp Stack各核心引用库的说明