做网站域名解析seo建站收费地震
什么是ML.Net：（学习文档上摘的一段：ML.NET 文档 - 教程和 API 参考 | Microsoft Learn 【学习入口】）
它使你能够在联机或脱机场景中将机器学习添加到 .NET 应用程序中。 借助此功能，可以使用应用程序的可用数据进行自动预测。 机器学习应用程序利用数据中的模式来进行预测，而不需要进行显式编程。
ML.NET 的核心是机器学习模型 。 该模型指定将输入数据转换为预测所需的步骤。 借助 ML.NET，可以通过指定算法来训练自定义模型，也可以导入预训练的 TensorFlow 和 ONNX 模型。
拥有模型后，可以将其添加到应用程序中进行预测。
说明：我已经用.cli工具生成好模型了，现在需要用训练模型生成预测数据。我需要用多线程的方式来预测，查看文档后大概有以下几种预测方式
（1）单一预测，使用PredictionEngine
//定义的输入数据的类
ModelInput inputData = new ModelInput()
{
Stock_cd = @"s_600803",
Stock_subject = @"油气开采;甲醇;蜱虫;天然气;并购重组;沪港通概念;油价上调;海藻炼油;融资融券;转融券标的",
Stock_block = @"994392,992046",
Stati_date = @"2013/1/14",
IsNewStock = @"否",
Stock_capital = 9857851F,
Price = 11.922F,
Volume = 14950900F,
Orders = -1043.7F,
Transaction = -3330F,
};
//Create MLContext
MLContext mlContext = new MLContext();
// Load Trained Model StockHolderPrediction.mlnet是已经训练好的模型
string filepath = Path.Combine(Environment.CurrentDirectory, "StockHolderPrediction.mlnet");
DataViewSchema predictionPipelineSchema;
ITransformer predictionPipeline = mlContext.Model.Load(filepath, out predictionPipelineSchema);
PredictionEngine<ModelInput, ModelOutput> predictionEngine = mlContext.Model.CreatePredictionEngine<ModelInput, ModelOutput>(predictionPipeline);
ModelOutput prediction = predictionEngine.Predict(inputData);
PredictionEngine 不是线程安全。 此外，必须在应用程序中的每一处所需位置创建它的实例。 随着应用程序的增长，此过程可能会变得难以管理。为了提高性能和线程安全，请结合使用依赖项注入和 PredictionEnginePool 服务
（2）单一预测，使用PredictionEnginePool
ModelInput inputData = new ModelInput()
{
Stock_cd = @"s_600803",
Stock_subject = @"油气开采;甲醇;蜱虫;天然气;并购重组;沪港通概念;油价上调;海藻炼油;融资融券;转融券标的",
Stock_block = @"994392,992046",
Stati_date = @"2013/1/14",
IsNewStock = @"否",
Stock_capital = 9857851F,
Price = 11.922F,
Volume = 14950900F,
Orders = -1043.7F,
Transaction = -3330F,
};
//Make Prediction
ModelOutput prediction = _predictionEnginePool.Predict(modelName: "StockHolderPrediction", example: inputData);
说明：上面这句之前我是这样写的：ModelOutput prediction = _predictionEnginePool.Predict(inputData);一直报错：You need to configure a default, not named, model before you use this method.
网上资料少，为了找这问题花好长时间
（3）多个预测，使用PredictionEnginePool
List<ModelInput> inputDataList = new List<ModelInput>();
inputDataList.Add(new ModelInput()
{
Stock_cd = @"s_600803",
Stock_subject = @"油气开采;甲醇;蜱虫;天然气;并购重组;沪港通概念;油价上调;海藻炼油;融资融券;转融券标的",
Stock_block = @"994392,992046",
Stati_date = @"2013/1/14",
IsNewStock = @"否",
Stock_capital = 9857851F,
Price = 11.922F,
Volume = 14950900F,
Orders = -1043.7F,
Transaction = -3330F,
});
IEnumerable<ModelOutput> predictions = inputDataList.Select(input => _predictionEnginePool.Predict(modelName: "StockHolderPrediction", example: input));
foreach (ModelOutput model in predictions)
{
}
可以用这个方法，预测一组（多个）。
（4）多个预测采用，IDataView
List<ModelInput> inputDataList = new List<ModelInput>();
inputDataList.Add(new ModelInput()
{
Stock_cd = @"s_600803",
Stock_subject = @"油气开采;甲醇;蜱虫;天然气;并购重组;沪港通概念;油价上调;海藻炼油;融资融券;转融券标的",
Stock_block = @"994392,992046",
Stati_date = @"2013/1/14",
IsNewStock = @"否",
Stock_capital = 9857851F,
Price = 11.922F,
Volume = 14950900F,
Orders = -1043.7F,
Transaction = -3330F,
});
//Create MLContext
MLContext mlContext = new MLContext();
// Load Trained Model
string filepath = Path.Combine(Environment.CurrentDirectory, "StockHolderPrediction.mlnet");
DataViewSchema predictionPipelineSchema;
ITransformer predictionPipeline = mlContext.Model.Load(filepath, out predictionPipelineSchema);
// Predicted Data
IDataView inputDataView = mlContext.Data.LoadFromEnumerable(inputDataList);
IDataView predictions = predictionPipeline.Transform(inputDataView);
// Get Predictions
float[] scoreColumn = predictions.GetColumn<float>("Score").ToArray();
经测试，这几种方式都能预测出结果，下一步，我需要比较哪一种方法用在多线程中比较好。
说明：我创建的是一个ASP.NET Core Web 应用（visual studio 2022）
需要注入PredictionEnginePool
说明：本文是经过学习摸索后写的总结性文章，难免遗漏。主要是备忘。不喜勿喷！