Pembelajaran Mesin Windows
Terapkan Pembelajaran Mesin di aplikasi Windows Anda menggunakan Windows ML — API yang andal dan berkinerja tinggi untuk menyebarkan inferensi ML yang dipercepat perangkat keras di perangkat Windows.
Windows ML dibangun ke dalam versi terbaru Windows 11, Windows 10, Windows Server 2022 Windows Server 2019, dan juga tersedia sebagai paket NuGet untuk jangkauan tingkat bawah ke Windows 8.1. Windows ML memberi pengembang keuntungan berikut:
Kemudahan pengembangan: Dengan Windows ML yang dibangun ke dalam versi terbaru Windows 11 dan Windows Server 2022, yang Anda butuhkan adalah Visual Studio dan model ONNX terlatih, yang dapat didistribusikan bersama dengan aplikasi Windows. Selain itu, jika Anda perlu mengirimkan fitur berbasis AI ke versi Windows yang lebih lama (hingga 8.1), Windows ML juga tersedia sebagai paket NuGet yang dapat Anda distribusikan dengan aplikasi Anda.
Dukungan perangkat keras yang luas: Windows ML memungkinkan Anda menulis beban kerja ML sekali dan secara otomatis mendapatkan performa yang sangat dioptimalkan di berbagai vendor perangkat keras dan jenis silikon, seperti CPU, GPU, dan akselerator AI. Selain itu, Windows ML menjamin perilaku yang konsisten di berbagai perangkat keras yang didukung.
Latensi rendah, hasil real-time: Model ML dapat dievaluasi menggunakan kemampuan pemrosesan perangkat Windows, memungkinkan analisis volume data besar yang lokal dan real-time, seperti gambar dan video. Hasil tersedia dengan cepat dan efisien untuk digunakan dalam beban kerja intensif performa seperti mesin game, atau tugas latar belakang seperti pengindeksan untuk pencarian.
Peningkatan fleksibilitas: Opsi untuk mengevaluasi model ML secara lokal di perangkat Windows memungkinkan Anda mengatasi berbagai skenario yang lebih luas. Misalnya, evaluasi model ML dapat berjalan saat perangkat offline, atau ketika dihadapkan dengan konektivitas terputus-putus. Ini juga memungkinkan Anda mengatasi skenario di mana tidak semua data dapat dikirim ke cloud karena masalah privasi atau kedaulatan data.
Mengurangi biaya operasional: Melatih model ML di cloud dan kemudian mengevaluasinya secara lokal di perangkat Windows dapat memberikan penghematan biaya bandwidth yang signifikan, dengan hanya data minimal yang dikirim ke cloud—seperti yang mungkin diperlukan untuk peningkatan berkelanjutan dari model ML Anda. Selain itu, saat menyebarkan model ML dalam skenario server, pengembang dapat memanfaatkan akselerasi perangkat keras Windows ML untuk mempercepat penyajian model, mengurangi jumlah komputer yang diperlukan untuk menangani beban kerja.
Model pembelajaran mesin adalah file yang telah dilatih untuk mengenali jenis pola tertentu. Anda melatih model melalui sekumpulan data, dengan memberikannya algoritma yang dapat digunakan untuk mempertimbangkan dan belajar dari data tersebut.
Setelah melatih model, Anda dapat menggunakannya untuk alasan atas data yang belum dilihat sebelumnya, dan membuat prediksi tentang data tersebut. Misalnya, Anda ingin membangun aplikasi yang dapat mengenali emosi pengguna berdasarkan ekspresi wajah mereka. Anda dapat melatih model dengan menyediakannya dengan gambar wajah yang masing-masing ditandai dengan emosi tertentu, dan kemudian Anda dapat menggunakan model tersebut dalam aplikasi yang dapat mengenali emosi pengguna mana pun. Lihat sampel Emoji8 untuk contoh aplikasi tersebut, atau lihat Apa itu model pembelajaran mesin untuk mempelajari lebih lanjut.
Windows Pembelajaran Mesin menggunakan format Open Neural Network Exchange (ONNX) untuk modelnya. Anda dapat mengunduh model yang telah dilatih sebelumnya, atau Anda dapat melatih model Anda sendiri. Lihat Mendapatkan model ONNX untuk Windows ML untuk informasi selengkapnya.
Untuk mempelajari lebih lanjut tentang berbagai cara untuk menggabungkan Windows Pembelajaran Mesin ke dalam aplikasi Anda, lihat halaman memulai kami.
Ingin membuat aplikasi pertama Anda menggunakan Windows Pembelajaran Mesin? Lihat tutorial WinML untuk gambaran umum berbagai cara untuk melatih model, dan memasukkannya ke dalam aplikasi WinML Anda.
Tertarik untuk mempelajari lebih lanjut tentang solusi Pembelajaran Mesin dan opsi Anda? Untuk gambaran umum lengkap tentang pilihan yang tersedia, lihat Membandingkan solusi AI, atau pelajari selengkapnya dengan FAQ WinML.
Catatan
Gunakan sumber daya berikut untuk bantuan dengan Windows ML:
- Untuk mengajukan atau menjawab pertanyaan teknis tentang Windows ML, silakan gunakan tag windows-machine-learning di Stack Overflow.
- Untuk melaporkan bug, silakan ajukan masalah di GitHub kami.