Windows.AI.MachineLearning Namespace

Referenz

Wichtig

Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.

Bearbeiten

Ermöglicht Apps das Laden von Machine Learning-Modellen, das Binden von Features und das Auswerten der Ergebnisse.

Klassen

ImageFeatureDescriptor	Beschreibt die Eigenschaften des Bilds, das das Modell erwartet.
ImageFeatureValue	Beschreibt die Eigenschaften des Bilds, das zum Übergeben an ein Modell verwendet wird.
LearningModel	Stellt ein trainiertes Machine Learning-Modell dar.
LearningModelBinding	Wird verwendet, um Werte an benannte Eingabe- und Ausgabefeatures zu binden.
LearningModelDevice	Das Gerät, das zum Auswerten des Machine Learning-Modells verwendet wird.
LearningModelEvaluationResult	Rufen Sie die Ergebnisse der Auswertung ab.
LearningModelSession	Wird zum Auswerten von Machine Learning-Modellen verwendet.
LearningModelSessionOptions	Beschreibt Rückschlussoptionen, die beim Erstellen von LearningModelSession-Objekten verwendet werden.
MapFeatureDescriptor	Eine Zuordnung ist eine Sammlung von (Schlüssel-, Wert-)Paaren.
SequenceFeatureDescriptor	Eine Sequenz ist ein Array von Elementen.
TensorBoolean	Ein boolesches Tensorobjekt.
TensorDouble	Ein 64-Bit-Float-Tensorobjekt.
TensorFeatureDescriptor	Tensoren sind mehrdimensionale Arrays von Werten.
TensorFloat	Ein 32-Bit-Float-Tensorobjekt.
TensorFloat16Bit	Ein 16-Bit-Float-Tensorobjekt.
TensorInt16Bit	Ein 16-Bit-Ganzzahl-Tensorobjekt mit Vorzeichen.
TensorInt32Bit	Ein 32-Bit-Ganzzahl-Tensorobjekt mit Vorzeichen.
TensorInt64Bit	Ein 64-Bit-Ganzzahl-Tensorobjekt mit Vorzeichen.
TensorInt8Bit	Ein 8-Bit-Ganzzahl-Tensorobjekt mit Vorzeichen.
TensorString	Ein Zeichenfolgen-Tensorobjekt.
TensorUInt16Bit	Ein 16-Bit-Tensorobjekt ohne Vorzeichen.
TensorUInt32Bit	Ein 32-Bit-Tensorobjekt ohne Vorzeichen.
TensorUInt64Bit	Ein 64-Bit-Tensorobjekt ohne Vorzeichen.
TensorUInt8Bit	Ein 8-Bit-Tensorobjekt ohne Vorzeichen.

Schnittstellen

ILearningModelFeatureDescriptor	Beschreibt die allgemeinen Eigenschaften, die alle Features aufweisen.
ILearningModelFeatureValue	Der instanziierte Wert für ein Feature.
ILearningModelOperatorProvider	Beschreibt die Operaatoren für ein Lernmodell.
ITensor	Tensoren sind mehrdimensionale Werte.

Enumerationen

LearningModelDeviceKind	Definiert die Liste der Gerätetypen, die ein Machine Learning-Modell auswerten können.
LearningModelFeatureKind	Eingabe- und Ausgabefeaturetypen für ein Machine Learning-Modell.
LearningModelPixelRange	Definiert die Liste der nominalen Bildpixelbereiche, die von Windows ML unterstützt werden. Der richtige Wert wird in den Metadaten eines Machine Learning-Modells angegeben.
TensorKind	Definiert die Liste der unterstützten Tensor-Datentypen.

Beispiele

Im folgenden Beispiel wird ein Modell geladen, eine Auswertungssitzung erstellt, die Eingabe- und Ausgabefeatures des Modells abgerufen, diese Features gebunden und ausgewertet.

private async Task LoadAndEvaluateModelAsync(VideoFrame _inputFrame, string _modelFileName)
{
    LearningModel _model;
    ImageFeatureDescriptor _inputImageDescription;
    TensorFeatureDescriptor _outputImageDescription;
    LearningModelBinding _binding = null;
    VideoFrame _outputFrame = null;
    LearningModelSession _session;

    try
    {
        // Load and create the model
        var modelFile = 
            await StorageFile.GetFileFromApplicationUriAsync(new Uri($"ms-appx:///Assets/{_modelFileName}"));
        _model = await LearningModel.LoadFromStorageFileAsync(modelFile);

        // Create the evaluation session with the model
        _session = new LearningModelSession(_model);

        //Get input and output features of the model
        List<ILearningModelFeatureDescriptor> inputFeatures = _model.InputFeatures.ToList();
        List<ILearningModelFeatureDescriptor> outputFeatures = _model.OutputFeatures.ToList();

        // Retrieve the first input feature which is an image
        _inputImageDescription =
                inputFeatures.FirstOrDefault(feature => feature.Kind == LearningModelFeatureKind.Image)
                as ImageFeatureDescriptor;

        // Retrieve the first output feature which is a tensor
        _outputImageDescription =
                        outputFeatures.FirstOrDefault(feature => feature.Kind == LearningModelFeatureKind.Tensor)
                        as TensorFeatureDescriptor;

        //Create output frame based on expected image width and height
        _outputFrame = new VideoFrame(
            BitmapPixelFormat.Bgra8, 
            (int)_inputImageDescription.Width, 
            (int)_inputImageDescription.Height);

        //Create binding and then bind input/output features
        _binding = new LearningModelBinding(_session);

        _binding.Bind(_inputImageDescription.Name, _inputFrame);
        _binding.Bind(_outputImageDescription.Name, _outputFrame);

        //Evaluate and get the results
        var results = await _session.EvaluateAsync(_binding, "test");
    }
    catch (Exception ex)
    {
        StatusBlock.Text = $"error: {ex.Message}";
        _model = null;
    }
}

Hinweise

Windows Server

Um diese API unter Windows Server verwenden zu können, müssen Sie Windows Server 2019 mit Desktopoberfläche verwenden.

Threadsicherheit

Diese API ist threadsicher.