Windows Machine Learning

Implémentez Machine Learning dans vos applications Windows en utilisant Windows ML, une API hautes performances fiable pour déployer des inférences ML à accélération matérielle sur les appareils Windows.

Vue d’ensemble

Windows ML est intégré aux dernières versions de Windows 10 et Windows Server 2019, et est également disponible sous la forme d’un package NuGet pour descendre jusqu’au niveau de Windows 8.1. Windows ML offre aux développeurs les avantages suivants :

• Facilité de développement : Avec Windows ML intégré aux dernières versions de Windows 10 et Windows Server 2019, vous avez besoin de Visual Studio et d’un modèle ONNX entraîné, qui peut être distribué avec l’application Windows. Par ailleurs, si vous devez fournir vos fonctionnalités d’intelligence artificielle à des versions antérieures de Windows (jusqu’à 8.1), Windows ML est également disponible sous la forme d’un package NuGet que vous pouvez distribuer avec votre application.

• Prise en charge matérielle étendue : Windows ML vous permet d’écrire votre charge de travail ML une fois et d’obtenir automatiquement des performances hautement optimisées sur différents fournisseurs de matériel et types de silicium, tels que les processeurs, les GPU et les accélérateurs IA. De plus, Windows ML garantit un comportement cohérent entre les différents types de matériel pris en charge.

• Faible latence, résultats en temps réel : les modèles ML peuvent être évalués à l’aide des fonctionnalités de traitement de l’appareil Windows, ce qui permet une analyse locale et en temps réel de volumes de données volumineux, tels que des images et des vidéos. Les résultats sont rendus disponibles avec rapidité et efficacité pour être utilisés dans les charges de travail gourmandes en performances comme les moteurs de jeux, ou pour des tâches en arrière-plan comme l’indexation pour les recherches.

• Flexibilité accrue : l’option d’évaluation des modèles ML localement sur les appareils Windows vous permet de traiter un plus large éventail de scénarios. Par exemple, l’évaluation de modèles ML peut s’exécuter pendant que l’appareil est hors connexion, ou quand vous êtes confronté à une connectivité intermittente. Elle vous permet aussi de gérer des scénarios où les données ne peuvent pas toutes être envoyées dans le cloud pour des raisons de confidentialité ou de souveraineté des données.

• Coûts opérationnels réduits : entraîner des modèles ML dans le cloud, puis les évaluer localement sur les appareils Windows peut réaliser des économies significatives dans les coûts de bande passante, avec seulement des données minimales envoyées au cloud, car cela peut être nécessaire pour améliorer continuellement votre modèle ML. De plus, quand vous déployez le modèle ML dans un scénario de serveur, les développeurs peuvent tirer parti de l’accélération matérielle Windows ML pour accélérer l’utilisation du modèle, en réduisant le nombre d’ordinateurs nécessaires pour gérer la charge de travail.

Modèles Machine Learning

Un modèle Machine Learning est un fichier qui a été entraîné pour reconnaître certains types de modèles. Vous entraînez un modèle sur un ensemble de données, en lui fournissant un algorithme qu’il peut utiliser pour raisonner sur les données et apprendre de celles-ci.

Une fois que vous avez entraîné le modèle, vous pouvez l’utiliser pour raisonner sur les données qu’il n’a encore jamais vues, et faire des prédictions sur ces données. Supposons, par exemple, que vous souhaitiez générer une application en mesure de reconnaître les émotions d’un utilisateur en fonction de ses expressions faciales. Vous pouvez entraîner un modèle en lui fournissant des images de visages qui sont toutes marquées d’une certaine émotion, puis vous pouvez utiliser ce modèle dans une application capable de reconnaître l’émotion de n’importe quel utilisateur. Consultez l’exemple Emoji8 pour obtenir un exemple d’une telle application, ou consultez la page Qu’est-ce qu’un modèle Machine Learning pour en savoir plus.

Windows Machine Learning utilise le format ONNX (Open Neuronal Network Exchange) pour ses modèles. Vous pouvez télécharger un modèle préentraîné, ou vous pouvez entraîner votre propre modèle. Pour plus d’informations, consultez Obtenir des modèles ONNX pour Windows ML.

Mise en route

Pour en savoir plus sur les différentes façons d’incorporer Windows Machine Learning dans votre application, consultez notre page de prise en main.

Vous cherchez à créer votre première application à l’aide de Windows Machine Learning ? Consultez les tutoriels WinML pour obtenir une vue d’ensemble des différentes façons d’entraîner un modèle et de l’intégrer à votre application WinML.

FAQ

Vous souhaitez en savoir plus sur les solutions Machine Learning et vos options ? Pour obtenir une vue d’ensemble complète des options disponibles, consultez la section Comparer des solutions d’intelligence artificielleou en savoir plus avec le FAQ WinML.

Remarque

Utilisez les ressources suivantes pour obtenir de l’aide sur Windows ML :

• Pour poser des questions techniques ou apporter des réponses à des questions techniques sur Windows ML, veuillez utiliser le mot clé windows-machine-learning sur Stack Overflow.
• Pour signaler un bogue, veuillez signaler un problème dans notre plateforme GitHub.