C#编写TensorFlow人工智能应用

TensorFlowSharp入门使用C#编写TensorFlow人工智能应用学习。

TensorFlow简单介绍

TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow的表现比第一代的DistBelief快了2倍。

TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用TensorFlow。任何基于梯度的机器学习算法都能够受益于TensorFlow的自动分化（auto-differentiation）。通过灵活的Python接口，要在TensorFlow中表达想法也会很容易。

TensorFlow 对于实际的产品也是很有意义的。将思路从桌面GPU训练无缝搬迁到手机中运行。

示例Python代码：
import tensorflow as tf

import numpy as np

# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3

x_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

官方源码库，该项目支持跨平台，使用Mono。

可以使用NuGet 安装TensorFlowSharp，如下：

Install-Package TensorFlowSharp

编写简单应用

使用VS2017新建一个.NET Framework 控制台应用 tensorflowdemo，接着添加TensorFlowSharp 引用。

TensorFlowSharp 包比较大，需要耐心等待。

然后在项目属性中生成->平台目标改为 x64。

打开Program.cs 写入如下代码：

        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");

                // 两常量加

                var addingResults = session.GetRunner().Run(graph.Add(a, b));

                var addingResultValue = addingResults[0].GetValue();

                Console.WriteLine("a+b={0}", addingResultValue);

                // 两常量乘

                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();

        }

运行程序结果如下：

TensorFlow C# image recognition

图像识别示例体验

https://github.com/migueldeicaza/TensorFlowSharp/tree/master/Examples/ExampleInceptionInference

下面学习一个实际的人工智能应用，是非常简单的一个示例，图像识别。

新建一个 imagerecognition .NET Framework 控制台应用项目，接着添加TensorFlowSharp 引用。

然后在项目属性中生成->平台目标改为 x64。

接着编写如下代码：

这里需要注意的是由于需要下载初始Graph和标签，而且是google的站点，所以得使用一些特殊手段。

最终我随便下载了几张图放到bin\Debug\img

然后运行程序，首先确保bin\Debug\tmp文件夹下有tensorflow_inception_graph.pb及imagenet_comp_graph_label_strings.txt。

人工智能的魅力非常大，本文只是一个入门，复制上面的代码，你没法训练模型等等操作。所以道路还是很远，需一步一步来。

更多可以查看 https://github.com/migueldeicaza/TensorFlowSharp 及 https://github.com/tensorflow/models

参考文档：

TensorFlow 官网：https://www.tensorflow.org/get_started/

TensorFlow 中文社区：http://www.tensorfly.cn/

TensorFlow 官方文档中文版：http://wiki.jikexueyuan.com/project/tensorflow-zh/