Windows Machine Learning
Implementa el aprendizaje automático en las aplicaciones de Windows mediante Windows ML, una API confiable y de alto rendimiento para implementar inferencias de aprendizaje automático con aceleración de hardware en dispositivos Windows.
Windows ML está integrado en las versiones más recientes de Windows 11, Windows 10, Windows Server 2022 Windows Server 2019 y también está disponible como paquete NuGet para alcanzar Windows 8.1. Windows ML proporciona a los desarrolladores las siguientes ventajas:
Facilidad de desarrollo: con Windows ML integrado en las versiones más recientes de Windows 11 y Windows Server 2022, todo lo que necesita es Visual Studio y un modelo ONNX entrenado, que se puede distribuir junto con la aplicación Windows. Además, si necesitas ofrecer las características basadas en IA a versiones anteriores de Windows (hasta 8.1), Windows ML también está disponible como paquete de NuGet que puedes distribuir con tu aplicación.
Soporte amplio de hardware: Windows ML le permite escribir la carga de trabajo de aprendizaje automático una vez y obtener un rendimiento muy optimizado automáticamente a través de diferentes proveedores de hardware y tipos de placas como CPU, GPU y aceleradores de inteligencia artificial. Además, Windows ML garantiza un comportamiento coherente en toda la gama de hardware compatible.
Baja latencia, resultados en tiempo real: Los modelos de aprendizaje automático se pueden evaluar mediante las funcionalidades de procesamiento del dispositivo Windows, lo cual permite el análisis local y en tiempo real de grandes volúmenes de datos como imágenes y vídeo. Los resultados están disponibles de manera rápida y eficaz para su uso en cargas de trabajo de rendimiento intensivo como, por ejemplo, motores de juegos o tareas en segundo plano, como la indexación con fines de búsqueda.
Mayor flexibilidad: La opción para evaluar modelos de aprendizaje automático localmente en dispositivos Windows le permite abordar una gama más amplia de escenarios. Por ejemplo, la evaluación de los modelos de aprendizaje automático se puede ejecutar mientras el dispositivo está sin conexión o con una conectividad intermitente. Esto también le permite dar respuesta a escenarios donde no todos los datos se pueden enviar a la nube debido a problemas de soberanía de datos o de privacidad.
Costos operativos reducidos: El entrenamiento de modelos de aprendizaje automático en la nube y su posterior evaluación local en dispositivos Windows puede suponer ahorros significativos en los costos de ancho de banda, ya que solo se envían a la nube los datos mínimos necesarios para la continua mejora del modelo de aprendizaje automático. Además, al implementar el modelo de aprendizaje automático en un escenario de servidor, los desarrolladores pueden aprovechar la aceleración de hardware de Windows ML para acelerar la entrega de modelos y reducir la cantidad de máquinas necesarias para controlar la carga de trabajo.
Un modelo de aprendizaje automático es un archivo que se ha entrenado para reconocer determinados tipos de patrones. Puede entrenar un modelo con un conjunto de datos, y proporcionarle un algoritmo que puede usar para averiguar y obtener información de esos datos.
Una vez entrenado el modelo, puedes usarlo para desglosar los datos que no ha visto antes y realizar predicciones sobre estos. Por ejemplo, supongamos que quieres compilar una aplicación que pueda reconocer las emociones de un usuario en función de sus expresiones faciales. Para entrenar un modelo puedes proporcionarle imágenes de caras que estén etiquetadas con una emoción determinada y, a continuación, puedes usar ese modelo en una aplicación que pueda reconocer cualquier emoción del usuario. Consulte el ejemplo de Emoji8 para obtener un ejemplo de este tipo de aplicación o consulte ¿Qué es un modelo de aprendizaje automático? para obtener más información.
Windows Machine Learning usa el formato Open Neural Network Exchange (ONNX) para sus modelos. Puedes descargar un modelo entrenado previamente o entrenar tu propio modelo. Consulta el tema sobre la obtención de modelos ONNX para Windows ML para obtener más información.
Para obtener más información sobre las distintas formas de incorporar Windows Machine Learning a la aplicación, consulte nuestra página de introducción.
¿Quiere crear su primera aplicación mediante Windows Machine Learning? Consulte los tutoriales de WinML para obtener información general sobre las distintas formas de entrenar un modelo e incorporarlo a la aplicación WinML.
¿Le interesa obtener más información sobre las soluciones de Machine Learning y sus opciones? Para obtener información general completa de las opciones disponibles, consulte Comparación de soluciones de IA u obtenga más información con las preguntas más frecuentes de WinML.
Nota
Use los siguientes recursos para obtener ayuda con Windows ML:
- Para formular o responder a preguntas técnicas sobre Windows Machine Learning, utilice la etiqueta windows-machine-learning en Stack Overflow.
- Para notificar un error, registre un problema en GitHub.