ML.NET是微软提供的机器学习库，从VS2019开始直接集成在VS里，帮助.NET开发者快速开发自己的机器学习应用。目前ML.NET的资料已经非常丰富，开发者可以到其官网查阅相关资料。https://dotnet.microsoft.com/en-us/learn/ml-dotnet。
本篇博客以健康码识别（绿码/黄码/红码）为例，看在.NET中如何使用ML.NET。
一、准备工作
启用ML.NET Model Builder。VS中工具-选项-预览功能，勾选Enable ML.NET Model Builder。
然后就可以右键项目，添加"机器学习"：
二、具体步骤
点击上图中的“机器学习”，弹出如下页面：
可以看到有文本分类、图像分类的等等功能。因为我们是分类绿码黄码红码图片，所以选择图像分类。
看到训练环境可以选择本地或者Azure（微软云）。点击"数据"。
选择本地准备好的分门别类整理好的健康码的图片（将采集到的图片数据分为两类：训练集和测试集，这里使用训练集图片训练，测试集可以用来测试模型的预测效果）。当然这里的数据集的质量及数量都有一定的讲究，尽量有代表性且数量相等。像我下面的红码只有一张图片就不太符合要求，可能对识别结果准确率有影响（这里仅做演示）。
点击"训练"
开始训练即可。这里训练的时长跟机器的配置、网络状态及图片的数目都有关系，像上面的数据量在我的电脑上训练可能需要半个小时左右。
关于这个本地训练时长的大小，微软也给出了相应的参考。https://docs.microsoft.com/zh-cn/dotnet/machine-learning/automate-training-with-model-builder#how-long-should-i-train-for。
模型训练中...，如果网络不稳定，会重新下载...
当然更好的方法是直接用迅雷等工具下载这个meta文件（https://aka.ms/mlnet-resources/resnet_v2_50_299.meta）并放到你本机的MLNET目录中（比如我的是C:\Users\arizon\AppData\Local\Temp\MLNET）。
点击训练，可以看到训练过程，默认会经过好几轮训练。
训练完成后，可以对该训练好的模型进行评估。
选择本地的测试集中的图片进行评估
可以看到该模型智能识别为绿码。点击下一步，获取代码。
添加到项目
可以看到自动添加了两个项目，同时直接给出了后续步骤。
设置MLConsoleAppML.ConsoleApp项目为启动项目，然后运行就可以看到识别结果。
这是一个控制台的示例，可以将其引用到你的任意.NET项目中。另外可以看到项目中有个MLModel.zip模型文件，如果模型的训练效果不佳，可以重新训练，然后将新训练得到的模型文件替换更新项目中的这个模型文件即可。
该演示非常简单的就实现了机器学习的功能，ML.NET很强大的机器学习库！