Análisis de datos con PyTorch y Windows ML

Windows Machine Learning se puede usar para ejecutar predicciones en conjuntos de datos tabulares, predicción de valores numéricos basados en variables de entrada independientes. En esta guía se usa un conjunto de datos específico en formato de Excel, pero los procedimientos descritos funcionarán para cualquier tarea relacionada mediante un conjunto de datos tabular de su elección.

En esta guía se muestra cómo resolver una tarea de clasificación con una red neuronal mediante la biblioteca PyTorch, exportar el modelo al formato ONNX e implementarlo en una aplicación de Windows Machine Learning que se ejecuta localmente en el dispositivo Windows.

Se requiere conocimientos básicos en lenguajes de programación python y C#. La experiencia anterior en el aprendizaje automático es preferible, pero no es necesaria.

Si desea pasar directamente a la instalación, consulte Instalación de PyTorch.

Si ya ha configurado PyTorch, inicie el proceso de entrenamiento del modelo obteniendo los datos.

Una vez que esté listo para usar los datos, puede empezar a entrenar el modelo y, a continuación, convertirlo al formato ONNX.

Si tiene un modelo ONNX y quiere aprender a crear una aplicación WinML desde cero, vaya a implementar el modelo.

Nota:

Si lo desea, puede clonar el repositorio de ejemplos de Windows Machine Learning y ejecutar el código completado para este tutorial. Puede encontrar la solución de entrenamiento pyTorch aquí o la aplicación de Windows ML completada aquí. Si usa el archivo PyTorch, asegúrese de configurar el intérprete de PyTorch correspondiente antes de ejecutarlo.

Escenario

En este tutorial, crearemos una aplicación de análisis de datos de aprendizaje automático para predecir el tipo de flores iris. Para este propósito, usará el conjunto de datos de flores Iris de Fisher. El modelo se entrenará para reconocer determinados tipos de patrones de iris y predecir el tipo correcto.

Requisitos previos para PyTorch: entrenamiento del modelo:

PyTorch se admite en las siguientes distribuciones de Windows:

• Windows 7 y versiones posteriores. Se recomienda Windows 10 o superior.
• Windows Server 2008 r2 y versiones posteriores

Para usar Pytorch en Windows, debe tener Instalado Python 3.x. Python 2.x no se admite.

Requisitos previos para la implementación de aplicaciones de Windows ML

Para crear e implementar una aplicación WinML, necesitará lo siguiente:

• Windows 10 versión 1809 (compilación 17763) o posterior. Para comprobar el número de versión de compilación, ejecute winvermediante el comando Run (Windows logo key + R).
• Windows SDK para la compilación 17763 o posterior. Puede obtener el SDK aquí.
• Visual Studio 2017, versión 15.7 o posterior. Se recomienda usar Visual Studio 2019 y algunas capturas de pantalla de este tutorial pueden ser diferentes si usa VS2017 en su lugar. Puede obtener Visual Studio aquí.
• También tendrás que habilitar el modo de desarrollador en tu PC.

Nota:

Las API de Windows ML están integradas en las versiones más recientes de Windows 10 (1809 o posterior) y Windows Server 2019. Si la plataforma de destino es versiones anteriores de Windows, puede migrar la aplicación WinML al paquete NuGet redistribuible (Windows 8.1 o superior).

Pasos siguientes

Empezaremos instalando PyTorch y configurando nuestro entorno.

Importante

PyTorch, el logotipo de PyTorch y las marcas relacionadas son marcas comerciales de Facebook, Inc.