Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
A GitHub windowsosMachine-Learning adattára mintaalkalmazásokat tartalmaz, amelyek bemutatják a Windows Machine Learning használatát, valamint olyan eszközöket, amelyek segítenek a modellek ellenőrzésében és a fejlesztés során felmerülő problémák elhárításában.
Minták
Az alábbi mintaalkalmazások érhetők el a GitHubon.
| Név | Leírás |
|---|---|
| AdapterSelection (Win32 C++) | Egy asztali alkalmazás, amely bemutatja, hogyan választhat ki egy adott eszközadaptert a modell futtatásához. |
| Batch-támogatás | Bemutatja, hogyan kötheti össze és értékelheti ki a bemeneti kötegeket a Windows ML-vel. |
| Egyéni operátorminta (Win32 C++) | Egy asztali alkalmazás, amely több egyéni CPU-operátort határoz meg. Ezek egyike egy hibakeresési operátor, amelyet integrálhat a saját munkafolyamatába. |
| Egyéni tenszorizáció (Win32 C++) | Bemutatja, hogyan tensorizálhat egy bemeneti képet a Windows ML API-k használatával a CPU-n és a GPU-n. |
| Custom Vision (UWP C#) | Bemutatja, hogyan taníthat be egy ONNX-modellt a felhőben a Custom Vision használatával, és hogyan integrálható egy alkalmazásba a Windows ML-vel. |
| Emoji8 (UWP C#) | Bemutatja, hogyan használhatja a Windows ML-t egy szórakoztató érzelemfelismerési alkalmazás használatára. |
| FNS-stílusátvitel (UWP C#) | A FNS-Candy stílusátviteli modellt használja képek vagy videostreamek újrastílusához. |
| MNIST (UWP C#/C++) | A következő oktatóanyagnak felel meg: Windows Machine Learning UWP-alkalmazás (C#) létrehozása. Kezdjen egy alapból, és dolgozzon végig az oktatóanyagon, vagy futtassa a befejezett projektet. |
| Nevezett dimenziók felülírásai | Bemutatja, hogyan bírálhatja felül az elnevezett dimenziókat konkrét értékekre a modell teljesítményének optimalizálása érdekében. |
| PlaneIdentifier (UWP C#, WPF C#) | Az Azure-beli Custom Vision szolgáltatással létrehozott előre betanított gépi tanulási modellt használ annak észlelésére, hogy az adott rendszerkép tartalmaz-e egy adott objektumot: egy síkot. |
| RustSqueezeNet | A WinRT rusztikus vetülete a SqueezeNet használatával. |
| SqueezeNet-objektumészlelés (Win32 C++, UWP C#/JavaScript, . NET5, . NETCORE) | A SqueezeNet, egy előre betanított gépi tanulási modell segítségével észleli a felhasználó által egy fájlból kiválasztott kép elsődleges objektumát. |
| SqueezeNet-objektumészlelés (Azure IoT Edge Windows rendszeren, C#) | Ez egy mintamodul, amely bemutatja, hogyan futtathat Windows ML-következtetést egy Windowson futó Azure IoT Edge-modulban. A képeket egy csatlakoztatott kamera biztosítja, amely a SqueezeNet-modellre következtet, és elküldi az IoT Hubnak. |
| StreamFromResource | Bemutatja, hogyan készíthet egy ONNX-modellt tartalmazó beágyazott erőforrást, és hogyan alakíthatja át a LearningModel-konstruktornak átadott streamké. |
| Stílusátvitel (C#) | Egy UWP-alkalmazás, amely stílusátvitelt végez a felhasználó által megadott bemeneti képeken vagy webes kamerastreameken. |
| winml_tracker (ROS C++) | Ros (robot operációs rendszer) csomópont, amely a Windows ML használatával követi nyomon az embereket (vagy más objektumokat) a kamerakeretekben. |
Megjegyzés:
A Windows ML-vel kapcsolatos segítségért használja az alábbi erőforrásokat:
- Ha technikai kérdéseket szeretne feltenni vagy megválaszolni a Windows ML-ről, használja a Windows-machine-learning címkét a Stack Overflow-on.
- Hiba bejelentéséhez küldjön egy hibát a GitHubon.