Bildklassifizierung mit PyTorch und Windows ML

Hinweis

Für eine größere Funktionalität kann PyTorch auch mit DirectML unter Windows verwendet werden.

In diesem Tutorial erfahren Sie, wie Sie ein neuronales Netzwerkmodell zur Bildklassifizierung mit PyTorch trainieren, das Modell in das ONNX-Format exportieren und es in einer Windows Machine Learning-Anwendung bereitstellen, die lokal auf Ihrem Windows-Gerät ausgeführt wird.

Grundkenntnisse in den Programmiersprachen Python und C# sind erforderlich. Frühere Erfahrungen mit maschinellem Lernen sind empfehlenswert, aber nicht erforderlich.

Wenn Sie direkt zur Installation wechseln möchten, lesen Sie "PyTorch installieren".

Wenn Sie PyTorch bereits eingerichtet haben, starten Sie den Trainingsprozess, indem Sie die Daten abrufen.

Sobald Sie mit den Daten fertig sind, können Sie mit dem Trainieren Ihres Modells beginnen und dann in das ONNX-Format konvertieren.

Wenn Sie über ein ONNX-Modell verfügen und erfahren möchten, wie Sie eine WinML-App von Grund auf neu erstellen, navigieren Sie zur Bereitstellung Ihres Modells.

Hinweis

Wenn Sie möchten, können Sie das Repository mit den Windows Machine Learning-Beispielen klonen und den vollständigen Code für dieses Tutorial ausführen. Hier finden Sie die PyTorch-Schulungslösung oder die fertige Windows ML-App. Wenn Sie die PyTorch-Datei verwenden, müssen Sie vor dem Ausführen den relevanten PyTorch-Interpreter einrichten.

Szenario

In diesem Tutorial erstellen wir eine Machine Learning-Bildklassifizierungsanwendung, die auf jedem Windows-Gerät ausgeführt werden kann. Das Modell wird trainiert, um Mustertypen zu erkennen, und es werden 10 Bezeichnungen von Bildern aus dem ausgewählten Trainingssatz klassifiziert. 

Voraussetzungen für PyTorch – Modelltraining:

PyTorch wird unter den folgenden Windows-Verteilungen unterstützt:

• Windows 7 und höher. Windows 10 oder höher (empfohlen).
• Windows Server 2008 r2 und höher

Um PyTorch unter Windows zu verwenden, muss Python 3.x installiert sein. Python 2.x wird nicht unterstützt.

Voraussetzungen für die Bereitstellung der Windows ML-App

Zum Erstellen und Bereitstellen einer WinML-App benötigen Sie Folgendes:

• Windows 10, Version 1809 (Build 17763) oder höher. Sie können die Buildversionsnummer überprüfen, indem Sie winver mit dem Ausführungsbefehl ((Windows logo key + R)) ausführen.
• Windows SDK für Build 17763 oder höher. Sie können das SDK hier abrufen.
• Visual Studio 2017, Version 15.7 oder höher. Es wird empfohlen, Visual Studio 2019 zu verwenden, und einige Screenshots in diesem Tutorial können sich unterscheiden, wenn Sie stattdessen VS2017 verwenden. Sie können Visual Studio hier abrufen.
• Visual Studio Erweiterung des Windows ML-Codegenerators (mlgen). Download für VS 2019 oder für VS 2017.
• Außerdem müssen Sie den Entwicklermodus auf Ihrem PC aktivieren.

Hinweis

Windows ML-APIs sind in die neuesten Versionen von Windows 10 (1809 oder höher) und Windows Server 2019 integriert. Wenn Ihre Zielplattform ältere Versionen von Windows ist, können Sie Ihre WinML-App in das weiterverteilbare NuGet-Paket (Windows 8.1 oder höher) portieren.

Nächste Schritte

Wir beginnen mit der Installation von PyTorch und der Konfiguration unserer Umgebung

Wichtig

PyTorch, das PyTorch-Logo und alle zugehörigen Marken sind Markenzeichen von Facebook, Inc.