给大家分享一个.NET开源、免费、跨平台（支持Windows、Linux、macOS多个操作系统）的机器学习框架：ML.NET。并且本文将会带你快速使用ML.NET训练一个属于自己的图像分类模型，对图像进行分类。
ML.NET框架介绍
ML.NET 允许开发人员在其 .NET 应用程序中轻松构建、训练、部署和使用自定义模型，而无需具备开发机器学习模型的专业知识或使用 Python 或 R 等其他编程语言的经验。该框架提供从文件和数据加载的数据。数据库，支持数据转换，并包含许多机器学习算法。
AI和机器学习有什么区别?
AI 是一个计算分支，涉及训练计算机执行通常需要人类智能的操作。机器学习是 AI 的一部分，它涉及计算机从数据中学习和在数据中发现模式，以便能够自行对新数据进行预测。
ML.NET支持的.NET框架
目前ML.NET支持.NET、.NET Core (版本 2.0 及更高版本)和 .NET Framework (版本 4.6.1 及更高版本)。
框架源代码
ML.NET官方提供的使用示例
ML.NET使用环境安装
安装本机.NET环境
首先需要准备好本机的.NET开发环境：
Visual Studio环境配置
选择.NET 桌面开发工作负荷以及可选的 ML.NET Model Builder 组件。
ML.NET Model Builder 组件介绍：提供易于理解的可视界面，用于在 Visual Studio 内生成、训练和部署自定义机器学习模型。
一、使用Visual Studio的Model Builder训练和使用模型
Visual Studio默认安装了Model Builder插件，可以很快地进行一些通用模型类型的训练和部署，提高接入机器学习的开发效率
1.1、新建模型
通过非常简单地 右键项目-添加-机器学习模型
1.2、选择模型
ModelBuilder中提供了集中常用的模型类型以供开发者使用，开发者可以通过这些类别的模型快速接入，并且训练自己的数据，本节内容将会使用计算机视觉中的"图像分类"进行演示
1.3、选择训练环境
接下来要选择训练的环境，提供了CPU/GPU/Azure云三种方式训练，这里为了简单演示，我使用了CPU训练，如果数据量大且复杂的请选择GPU，并且提前安装CUDA、cuDNN
1.4、添加训练数据
我从搜索引擎中，搜集到了一系列"奥特曼"的图片（我相信不是所有人都可以认出各个时代的各个奥特曼 哈哈哈）
然后将这些图片进行了文件夹分类，导入到ModelBuilder中，如下：
然后开始训练
最后评估
基本是这样一个流程。