> ML.Net - 開源的跨平臺機器學習框架 > - 支持CPU/GPU訓練 > - 輕鬆簡潔的預測代碼 > - 可擴展其他的機器學習平臺 > - 跨平臺 
1.使用Visual Studio的Model Builder訓練和使用模型
Visual Studio預設安裝了Model Builder插件，可以很快地進行一些通用模型類型的訓練和部署，提高接入機器學習的開發效率
1.1 新建模型
通過非常簡單地 右鍵項目-添加-機器學習模型
1.2 選擇模型
ModelBuilder中提供了集中常用的模型類型以供開發者使用，開發者可以通過這些類別的模型快速接入，並且訓練自己的數據，本節內容將會使用電腦視覺中的”圖像分類“進行演示
1.3 選擇訓練環境
接下來要選擇訓練的環境，提供了CPU/GPU/Azure雲三種方式訓練，這裡為了簡單演示，我使用了CPU訓練，如果數據量大且複雜的請選擇GPU，並且提前安裝CUDA、cuDNN
1.4 添加訓練數據
我從搜索引擎中，搜集到了一系列”奧特曼“的圖片（我相信不是所有人都可以認出各個時代的各個奧特曼 哈哈哈）
然後將這些圖片進行了文件夾分類，導入到ModelBuilder中，如下：
1.5 開始訓練
本次演示訓練157張圖片，耗時50秒
1.6 評估
此環節，為了檢驗訓練成果和準確率，ModelBuilder中提供了圖形化的方式進行預測檢測，我在另外的搜索引擎中，找到了一張沒有經過訓練的圖片，它準確地判斷出了”迪迦奧特曼“的概率為63%
1.7 代碼編寫
這一環節中，ModelBuilder給出了示例代碼，直接複製粘貼就可以用到自己的實際項目中
同時還提供了，一鍵生成控制台或者WebAPI項目的入口。給力！
