原标题：微软释出ML.NET 0.5，开始支援深度学习TensorFlow模型
微软在5月释出由微软研究院开发、发展了十年的机器学习框架ML.NET，今释出了ML.NET△0.5，最大的更新便是开始支援TensorFlow，开发者可以在ML.NET中直接使用已经训练好的TensorFlow模型，进行评分（Scoring）。另外，微软正在开发新的ML.NET△API，届时将会弃用现行的LearningPipeline△API。
适逢.NET△Conf△2018，微软顺势释出ML.NET△0.5，距离5月释出的ML.NET△0.1已经距离一段时间，这次带来巨大的更新，微软在ML.NET△0.5中，增加了TensorFlow模型评分转换（TensorFlow△Transform）。微软提到，深度学习是人工智能和机器学习的子集，能够通过实例来学习人类自然习得的能力，与传统机器学习相比，深度学习可以直接从图像、声音以及文本中，学习物件侦测或是分类任务，甚至可以提供语音分辨以及语言翻译等功能，但传统的机器学习依赖特征工程以及资料处理。
深度学习模型需要大量标记资料以及多层类神经网络进行训练，微软认为，深度学习之所以会开始流行，除了对于电脑视觉任务表现良好外，刚好适用于现今资料爆炸情况。微软也想让ML.NET支援深度学习，因此通过新的TensorFlow△Transform，在ML.NET中与TensorFlow进行第一阶段的整合，开发者可以自己训练或是从任何地方下载TensorFlow模型，在ML.NET中使用进行结果预测。
微软表示，这种整合方式，让开发者不需要具备TensorFlow内部细节知识，另外，从长远来看，使用ML.NET开发深度学习应用将更加容易。开发者只要增加ML.NET△NuGet套件参照，到.NET△Core或.NET△Framework应用程序中就可以了。在ML.NET底层也是参照了原生TensorFlow函式库，让开发者可以撰写载入TensorFlow模型的程式码，并且进行评分。
不过，由于现在ML.NET使用TensorFlow仍然有一些限制，微软正在更新API以提高整体灵活性。目前使用LearningPipeline△API时，只能在LearningPipeline中作为数字和向量输入，给分类器学习器（Classifier△Learner）等学习器。但在即将要推出的全新ML.NET△API，将能存取TensorFlow模型的分数，开发者可以直接使用TensorFlow模型进行评分，不像现在，还需要增加额外的学习器相关的训练程序。届时当新的API释出时，现行的LearningPipeline△API将被弃用。
微软提到，虽然现在ML.NET框架支援了TensorFlow，未来也不排除整合其他诸如Torch和CNTK深度学习函式库。
相关：
有测试者反映，尝试安装其他浏览器时，系统跳出视窗试图拦阻。 图片来源: Twitter Windows△10 insider△build△17744的测试者发现，当他们想要安装Firefox或Chrome等其它浏览器时，系统会跳出通知，告诉他们系统上
示意图，与新闻事件无关。 图片来源: 微软 微软于本周二（9/11）的每月例行性修补中，修补了61个安全漏洞，当中有17个属于重大（Critical）漏洞，以及一个概念性验证攻击程式已经出炉的零时差漏洞CVE-2018-8440。C
Google推出开源TensorBoard网页应用程序的新功能What-If△Tool，让使用者在不需要撰写任何程式码的情况下，检测机器学习模型，使用视觉化互动介面，探索模型结果。建构有效的机器学习系统有很多面向需要注意，除了演
TensorFlow释出资料验证函式库TFDV，进行大规模资料分析与验证
TensorFlow现在释出TensorFlow资料验证（TensorFlow△Data△Validation，TFDV）工具，来帮助开发人员大规模理解、验证以及监控机器学习的资料。TensorFlow产品经理Clemens△Mewald提到，学术界和业界都非常关注机器学
微软Azure Pipelines登上GitHub市集，开源专案可免费使用
图片来源: 微软 微软周一（9/10）宣布，Azure△DevOps中的持续整合与持续交付（CI/CD）服务Azure△Pipelines已登上GitHub市集，并允许开源专案免费使用。Azure△Pipelines可支援各种平台及云端服务的持续建置、测试及