一、 準備工作

IDE是 VS2019。
先下載好“resnet_v2_50_299.meta”這個檔案，放入“C:\Users\jk\AppData\Local\Temp\MLNET\”這個資料夾，目錄不存在自己新建下。“jk”是WINDOWS登入名，注意換成你自己的。

下載地址：https://download.csdn.net/download/runliuv/15724931

新建一個“z機器學習樣本1”目錄，再建立“貓”和“狗”2個子目錄。在網上下載“貓”和“狗”的圖片各幾十張，分別放到這2個子目錄中。這2個子目錄名也稱為標籤(Label)。

二、 新增和使用
新建一個“WindowsFormsApp1”的.NET FRAMEWORK 4.7 的WINFORM程式。

在選單-工具-選項-環境-預覽功能中，選中“Enable ML.NET Model Builder”

在“WindowsFormsApp1”上右鍵-新增機器學習。

選擇影象分類.

選擇本地.

選擇剛才收集好的圖片資料夾（D:\z機器學習樣本1）。

開始訓練。

訓練完成（可能要幾分鐘）。

試用模型(隨便選一張貓或狗的圖片)。

新增專案。

如何呼叫ML.NET的提示

可以把 WindowsFormsApp1ML.ConsoleApp 設定為啟動項。F5執行試用下。
其中predictionResult.Prediction 是識別出來的類別，predictionResult.Score 是相似度。

把“WindowsFormsApp1”右鍵設定為啟動項。
Nuget 中安裝：
Microsoft.ML 1.5.0
Microsoft.ML.ImageAnalytics 1.5.0
Microsoft.ML.Vision 1.5.0
SciSharp.TensorFlow.Redist 1.14.0

，這4個包儘量和“WindowsFormsApp1ML.ConsoleApp”中版本一致

在WINFORM介面上新增按鈕和檔案對話方塊(openFileDialog).

private void button1_Click(object sender, EventArgs e)
        {
            
 
try
            {
                if (openFileDialog1.ShowDialog() != DialogResult.OK)
                {
                    return;
                }
                string fileName = openFileDialog1.FileName;

                ModelInput sampleData = new ModelInput()
                {
                    ImageSource = fileName,
                };
                // Make a single prediction on the sample data and print results
                var predictionResult = ConsumeModel.Predict(sampleData);
                MessageBox.Show(predictionResult.Prediction);
            }
            catch (Exception ex)
            {
                MessageBox.Show(ex.Message);
            }
        }

執行起來。就可以了。

三、簡單解析
檢視 WindowsFormsApp1ML.ConsoleApp中的 ModelBuilder 類。
這個類是用來訓練的。
TRAIN_DATA_FILEPATH 是訓練檔案索引(C:\Users\jk\AppData\Local\Temp\4233eca3-43b3-479f-97f8-50ac3124e9c7.tsv)。用記事本開啟TRAIN_DATA_FILEPATH路徑的檔案。裡面包含2列，Label和ImageSource。

MODEL_FILEPATH 是訓練後儲存的模型。使用時要放到使用程式的根目錄，微軟自動生成的程式碼，路徑是寫死的。
CreateModel() 是訓練方法。相當於我們剛才的滑鼠點選訓練。
如果要用程式碼來訓練，就用程式碼生成 TRAIN_DATA_FILEPATH 中的 .tsv 檔案 。再呼叫 CreateModel()。

再看 WindowsFormsApp1ML.Model 中的 ConsumeModel類。
這個類是使用。
Predict() 就是呼叫主入口了，子方法中 CreatePredictionEngine()，modelPath 是寫死的，有需要則替換。

這個提示是正在下載resnet_v2_50_299.meta檔案，從微軟下載這個可能需要花很長時間：

[Source=ImageClassificationTrainer; Ensuring meta files are present., Kind=Info] Downloading resnet_v2_50_299.meta from https://aka.ms/mlnet-resources/resnet_v2_50_299.meta to C:\Users\jk\AppData\Local\Temp\MLNET\resnet_v2_50_299.meta
[Source=ImageClassificationTrainer; Ensuring meta files are present., Kind=Info] resnet_v2_50_299.meta: Downloaded 3596 bytes out of 102616931

end