VB.netのソースコードとC#で書いたクラスライブラリーのコードがある２つのプロジェクトは従来と変わりません。
これにModel Builderの機能を使ってみます。

Model Builderが対応しているのはC#だけの模様ですから、C#のクラスライブラリーを右クリックします。
追加→機械学習 を選択します。

最初の選択肢は１．シナリオの選択です。
データの種類と行いたい処理を選ぶのですが、今回は画像の分類を選びます。

２．トレーニング環境の選択が自動で開きますので、ローカルを選択肢ます。
次にデータのボタンを選択し、分類したい画像が保存されたフォルダを選択します。

これ、分類したい画像ごとにフォルダを分けておく必要があります。
ML.netのサンプルソースを例にすればAssetsフォルダ以下のCDとUDです。

フォルダを指定すると、データのプレビューが可能になります。
ここで正しいデータが表示されているか、作業者が確認できます。

画像が正しければ、トレーニングするのボタンを押します。
４．トレーニングするの画面が表示されます。

トレーニングの開始を押すと、トレーニングが開始されます。
私のＰＣはＧＰＵが無い状態で、Intel(R) Core(TM) i5-6400CPU @ 2.70GHzです。

サンプルデータの４００枚の画像をトレーニングするために、３５分掛かりました。
なお、トレーニング中は出力の画面に計算の進行状況が表示されます。

裏側で色々と作業をしている状況です。
これぐらいならば、実用的な学習時間だと思います。

トレーニングが終わると、トレーニング結果が表示されます。
最適の精度、最良のモデル、トレーニング時間、Models explored(total)が表示されます。

とりあえず結果については置いておいて、評価ボタンを押します。
選択ボタンを押して、画像ファイルを指定します。

指定した画像ファイルの判定結果が横に表示されます。
何枚か画像ファイルを選択して、結果が満足できるものか確認できます。

この時、テストに使った画像とは別の画像ファイルを使うと、トレーニング結果の判断が行いやすいかもしれません。
評価に納得できたとして、次はコードボタンを押します。

プロジェクトの追加ボタンを押すと、現在のソリューションに自動作成した機械学習のモデルを組み込むコードが自動追加されます。
何とかMl.ConsoleAPと何とかMl.Modelの２個のプロジェクトが、ソリューションに追加しています。

この続きは次回にしますが、ソリューションを保存して終了します。
簡単だけど、それなりに時間を使っていますので。

#学習 #勉強 #AI #機械学習 #プログラミング #Visual #CSharp #BASIC #ソースコード #Windows #自動判定
#画像 #判定 #検査