Dasbor WinML

Dasbor WinML adalah alat untuk melihat, mengedit, mengonversi, dan memvalidasi model pembelajaran mesin untuk mesin inferensi Windows ML. Mesin ini dibangun ke dalam Windows 10 dan mengevaluasi model terlatih secara lokal pada perangkat Windows menggunakan pengoptimalan perangkat keras untuk CPU dan GPU untuk memungkinkan inferensi performa tinggi.

Mendapatkan alat

Anda dapat mengunduh Dasbor WinML di sini, atau Anda dapat membuat aplikasi dari sumber mengikuti instruksi di bawah ini.

Membangun dari sumber

Saat membuat aplikasi dari sumber, Anda memerlukan hal berikut:

Persyaratan	Versi	Unduh	Perintah untuk diperiksa
Python3	3.4+	Sini	python --version
Yarn	terbaru	Sini	yarn --version
Node.js	terbaru	Sini	node --version
Git	terbaru	Sini	git --version
MSBuild	terbaru	Sini	msbuild -version
Nuget	terbaru	Sini	nuget help

Keenam prasyarat harus ditambahkan ke Jalur Lingkungan. Perhatikan bahwa MSBuild dan Nuget akan disertakan dalam penginstalan Visual Studio 2017.

Langkah-langkah untuk membangun dan menjalankan

Untuk menjalankan Dasbor WinML, ikuti langkah-langkah berikut:

1. Di baris perintah, kloning repositori: git clone https://github.com/Microsoft/Windows-Machine-Learning
2. Di dalam repositori, masukkan yang berikut ini untuk mengakses folder yang tepat: cd Tools/WinMLDashboard
3. Jalankan git submodule update --init --recursive untuk memperbarui Netron.
4. Jalankan yarn untuk mengunduh dependensi.
5. Kemudian, jalankan yarn electron-prod untuk membangun dan memulai aplikasi desktop, yang akan meluncurkan Dasbor.

Semua perintah Dasbor yang tersedia dapat dilihat di package.json.

Menampilkan dan Mengedit Model

Dasbor menggunakan Netron untuk melihat model pembelajaran mesin. Meskipun WinML menggunakan format ONNX, penampil Netron mendukung tampilan beberapa format kerangka kerja yang berbeda.

Sering kali pengembang mungkin perlu memperbarui metadata model tertentu atau memodifikasi node input dan output model. Alat ini mendukung modifikasi properti model, metadata, dan node input/output model ONNX.

Memilih tab Edit (bagian atas tengah seperti yang ditunjukkan pada cuplikan di bawah) akan membawa Anda untuk melihat dan mengedit panel. Panel kiri di panel memungkinkan pengeditan node input dan output model, dan panel kanan memungkinkan pengeditan properti Model. Bagian tengah menunjukkan grafik. Saat ini, mengedit dukungan untuk terbatas pada node input/output model (dan bukan simpul dalam), properti model dan metadata model.

Tombol Edit/View beralih dari mode Edit ke mode Hanya tampilan, dan sebaliknya. Mode hanya tampilan tidak mengizinkan pengeditan dan memungkinkan fitur asli penampil Netron seperti kemampuan untuk melihat informasi terperinci untuk setiap simpul.

Mengonversi model

Saat ini ada beberapa kerangka kerja berbeda yang tersedia untuk melatih dan mengevaluasi model pembelajaran mesin, yang menyulitkan pengembang aplikasi untuk mengintegrasikan model ke dalam produk mereka. Windows ML menggunakan format model pembelajaran mesin ONNX yang memungkinkan konversi dari satu format kerangka kerja ke format lain, dan Dasbor ini memudahkan untuk mengonversi model dari kerangka kerja yang berbeda ke ONNX.

Tab Konversi mendukung konversi ke ONNX dari kerangka kerja sumber berikut:

• Apple Core ML
• TensorFlow (subset model yang dapat dikonversi ke ONNX)
• Keras
• Scikit-learn (subset model yang dapat dikonversi ke ONNX)
• Xgboost
• LibSVM

Alat ini juga memungkinkan validasi model yang dikonversi dengan mengevaluasi model dengan mesin inferensi Windows ML bawaan menggunakan data sintetis (default) atau data input nyata pada CPU atau GPU.

Memvalidasi Model

Setelah Anda memiliki model ONNX, Anda dapat memvalidasi apakah konversi telah berhasil terjadi dan bahwa model dapat dievaluasi di mesin inferensi Windows ML. Ini dilakukan menggunakan Run tab (lihat cuplikan di bawah).

Anda dapat memilih berbagai opsi seperti CPU (default) vs GPU, input nyata vs input sintetis (default) dll. Hasil evaluasi model muncul di jendela konsol di bagian bawah.

Perhatikan bahwa fitur validasi model hanya tersedia di Pembaruan Windows 10 Oktober 2018 atau versi Windows 10 yang lebih baru, karena alat ini bergantung pada mesin inferensi Windows ML bawaan.

Inferensi Penelusuran Kesalahan

Anda dapat menggunakan fitur debug Dasbor WinML untuk mendapatkan wawasan tentang bagaimana data mentah mengalir melalui operator dalam model Anda. Anda juga dapat memilih untuk memvisualisasikan data ini untuk inferensi visi komputer.

Untuk men-debug model Anda, ikuti langkah-langkah berikut:

1. Navigasi ke Edit tab dan pilih operator yang ingin Anda ambil data perantaranya. Di panel sisi kiri, akan Debug ada menu tempat Anda dapat memilih format data perantara yang ingin Anda ambil. Opsi saat ini adalah teks dan PNG. Teks akan menghasilkan file teks yang berisi dimensi, jenis data, dan data tensor mentah yang diproduksi oleh operator ini. PNG akan memformat data ini ke dalam file gambar yang dapat berguna untuk aplikasi visi komputer.

2. Navigasi ke Run tab dan pilih model yang ingin Anda debug.
3. Capture Untuk bidang , pilih Debug dari menu dropdown.
4. Pilih gambar input atau csv untuk disuplai ke model Anda saat eksekusi. Perhatikan bahwa ini diperlukan saat mengambil data Debug.
5. Pilih folder output untuk mengekspor data debug.
6. Pilih Run. Setelah eksekusi selesai, Anda dapat menavigasi ke folder yang dipilih ini untuk melihat pengambilan Debug Anda.

Anda juga dapat membuka tampilan debug di aplikasi Electron dengan salah satu opsi berikut:

• Jalankan dengan flag --dev-tools
• Atau pilih View -> Toggle Dev Tools di menu aplikasi
• Atau tekan Ctrl + Shift + I.