微軟已經更新了其ML.Net開源機器學習框架，將其Beta版本0.5與TensorFlow模型評分作為ML.Net的轉換。此功能允許 在ML.Net實驗中使用來自Google的TensorFlow深度學習和機器學習工具包的現有模型。

0.5版開始添加對深度學習的支持，使用TensorFlow Transform類，它可以采用現有的TensorFlow模型，并將該模型的分數輸入ML.Net。TensorFlow評分功能的用戶不需要了解TensorFlow內部細節的工作知識。轉換基于TensorFlowSharp .Net綁定的代碼。

要使用此功能，開發人員將對ML.Net NuGet包的引用添加到.Net Core和.Net Framework應用程序。ML.Net引用了本機TensorFlow庫，它允許開發人員編寫加載現有訓練TensorFlow模型的代碼進行評分。

ML.Net的計劃功能

在未來的ML.Net版本中，Microsoft計劃確定TensorFlow模型的預期輸入和輸出。目前，建議開發人員使用TensorFlow API或Netron等工具來探索TensorFlow模型。

微軟還將更新ML.Net API以提高靈活性，克服現在在ML.Net中使用TensorFlow的限制。通過計劃的API，TensorFlow模型得分可以直接訪問，因此開發人員可以使用TensorFlow模型進行評分，而無需添加額外的學習者及其訓練過程。

目前，ML.Net面向TensorFlow，但計劃要求可能的深度學習庫集成。這些可能包括Torch和CNTK。

微軟還在開發一種新的ML.Net API，以提高靈活性和易用性。當API被認為準備就緒時，公司將棄用當前的API , LearningPipeline. 因為這將是一個重大變化，Microsoft正在分享多個API選項的提案。新API的設計原則包括：

將并行術語與其他眾所周知的框架(如Scikit-Learn，TensorFlow和Spark)結合使用。Microsoft將嘗試在命名和概念方面保持一致，以便開發人員更容易理解ML.Net Core。

簡潔明了的ML場景。

啟用當前LearningPipelineAPI 無法實現的高級ML方案。

新的API將是強類型的，并且更加靈活。它是基于概念，如Estimators，Transforms和DataView。