曾经学习过一段时间ML.NET的知识，ML.NET是微软提供的一套机器学习框架，相对于其他的一些机器学习框架，ML.NET侧重于消费现有的网络模型，不太好自定义自己的网络模型，底层实现也做了高度封装。

最近想从底层学习一下机器学习的相关知识，经过初步筛选，计划定位于python + pytorch这个方向入手，经过一段时间的学习，我发现由于对python语言不太熟悉，导致实践起来比较困难，先不说机器学习相关的代码，光周边代码就搞得焦头烂额了。想要下决心好好修炼一下python必然不是一朝一夕的事情，所以考虑是否学一个采用C#的机器学习框架，这样就可以专心研究目标代码，配套服务就可以轻松搞定了。

经搜索发现了SciSharp-Stack这个项目，一开始我定位于Torch.Net，最终选择了TensorFlow.NET这个框架。选择TensorFlow.NET主要是因为如下几个原因：

• 示例比较丰富，第一次下载、编译、运行都很顺利。（如果开源项目提供的HelloWorld项目跑不起来的话，就没有信心使用了）
• 代码一直在更新，社区比较活跃，Issue上问问题会有人回答；
• 架构比较合理，通过.NET对google提供的原生动态链接库进行封装，和我们使用MySQL.Data的架构类似，C#开发人员很熟悉这种架构；
• 代码风格接近python+tensorflow的实现方式，便于参考网络上大量python的例程。

这个系列的文章就是我这段时间学习TensorFlow.Net的心得体会，整个系列的文章目录如下：

1. TensorFlow.NET机器学习入门【1】开发环境与类型简介
2. TensorFlow.NET机器学习入门【2】线性回归
3. TensorFlow.NET机器学习入门【3】采用神经网络实现非线性回归
4. TensorFlow.NET机器学习入门【4】采用神经网络处理分类问题
5. TensorFlow.NET机器学习入门【5】采用神经网络实现手写数字识别（MNIST）
6. TensorFlow.NET机器学习入门【6】采用神经网络处理Fashion-MNIST
7. TensorFlow.NET机器学习入门【7】采用卷积神经网络（CNN）处理Fashion-MNIST
8. TensorFlow.NET机器学习入门【8】生成对抗网络GAN
9. TensorFlow.NET机器学习入门【9】采用GPU进行学习

由于作者本人对于机器学习的认识还处于入门阶段，写作过程中难免存在纰漏，如果您发现有什么错误的地方，请及时指出来。

【参考资料】

TensorFlow.NET

SciSharp-Stack-Examples

《深度学习入门：基于Python的理论与实践（斋藤康毅）》