基于ML.Net部署的Yolov5-6.1 ONNX模型，应用于材料化学领域的筑基融合检测，采用C#-Winform界面部署。

YOLOV5【s,n6】 使用 ML.NET ONNX 在C#部署，，，运行yolov5-net-master该示例程序，结合自己的YOLO模型训练参数修改程序中的对应参数运行之后，生成dll文件

ML.NET 最新的中文介绍文档，从微软官方下载过来的，方便广大学习ML.NET技术的人员

YOLOv5-ML.NET- yolov5-nano 6.0 版本，c#通过ML.net 读取yolov5-nano生成的onnx。

yolov5-net 使用ML.NET和ONNX进行YOLOv5对象检测

有关YOLO v3的使用，请参见。 ML.Net中的YOLO v5 将YOLO v5与ML.Net一起使用 多亏了 ， 和 请参阅“的讨论，以问题。 参见分支 见keesschollaart81的 ML.Net中的YOLO v4 将YOLO v4与ML.Net一起使用 Onnx模式在onnx /型号回购可。 结果 资源 https://github.com/onnx/models/tree/master/vision/object_detection_segmentation/yolov4 https://github.com/hunglc007/tensorflow-yolov4-tflite https://towardsdatascience.com/yolo-v4-optimal-speed-accuracy-for-object-detection-79896ed4

约洛夫5Wpf 使用ML.NET部署YOLOV5的ONNX模型

Microsoft.ML.ModelBuilder 16.6.3.2136603.vsix

Microsoft.ML.ModelBuilder 16.6.3.2136603.vsix

使用 F# 探索 Spark 和 ML.NET 此存储库包含代码 设想 训练和部署机器学习模型，使用诸如严重违规次数、违规类型等特征来预测检查后给予餐厅的分数。 先决条件 项目资产 data - 原始数据集的位置。 Web API - F# Saturn Web API 来托管InspectionModel.zip回归模型。 Domain.fs - 包含模型输入和输出的模式。 Program.fs - Web API 入口点 检查模型.zip - 预测餐厅检查分数的回归模型 data-exploration.dib - 用于探索和可视化数据的 .NET 交互式笔记本。 data.fsx - 用于准备训练数据的 F# 交互式脚本。 machine-learning.fsx - 用于训练回归模型的 F# 交互式脚本。 submit.cmd - 在调试模式下为 Apache S