Sampel Windows Pembelajaran Mesin
Repositori Windows-Machine-Pembelajaran di GitHub berisi aplikasi sampel yang menunjukkan cara menggunakan Windows Pembelajaran Mesin, serta alat yang membantu memverifikasi model dan memecahkan masalah selama pengembangan.
Sampel
Contoh aplikasi berikut tersedia di GitHub.
| Nama | Deskripsi |
|---|---|
| AdapterSelection (Win32 C++) | Aplikasi desktop yang menunjukkan cara memilih adaptor perangkat tertentu untuk menjalankan model Anda. |
| BatchSupport | Menunjukkan cara mengikat dan mengevaluasi batch input dengan Windows ML. |
| Sampel Operator Kustom (Win32 C++) | Aplikasi desktop yang menentukan beberapa operator CPU kustom. Salah satunya adalah operator debug yang dapat Anda integrasikan ke dalam alur kerja Anda sendiri. |
| Tensorisasi Kustom (Win32 C++) | Menunjukkan cara menegangkan gambar input dengan menggunakan API Windows ML pada CPU dan GPU. |
| Custom Vision (UWP C#) | Menunjukkan cara melatih model ONNX di cloud menggunakan Custom Vision, dan mengintegrasikannya ke dalam aplikasi dengan Windows ML. |
| Emoji8 (UWP C#) | Menunjukkan bagaimana Anda dapat menggunakan Windows ML untuk menggerakkan aplikasi yang mendeteksi emosi yang menyenangkan. |
| Transfer Gaya FNS (UWP C#) | Menggunakan model transfer gaya FNS-Candy untuk menata ulang aliran gambar atau video. |
| MNIST (UWP C#/C++) | Sesuai dengan Tutorial: Membuat aplikasi Windows Pembelajaran Mesin UWP (C#). Mulai dari dasar dan bekerja melalui tutorial, atau jalankan proyek yang telah selesai. |
| NamedDimensionOverrides | Menunjukkan cara mengambil alih dimensi bernama ke nilai konkret untuk mengoptimalkan performa model. |
| PlaneIdentifier (UWP C#, WPF C#) | Menggunakan model pembelajaran mesin yang telah dilatih sebelumnya, yang dihasilkan menggunakan layanan Custom Vision di Azure, untuk mendeteksi apakah gambar yang diberikan berisi objek tertentu: bidang. |
| RustSqueezeNet | Proyeksi karat WinRT menggunakan SqueezeNet. |
| Deteksi Objek SqueezeNet (Win32 C++, UWP C#/JavaScript, . NET5, . NETCORE) | Menggunakan SqueezeNet, model pembelajaran mesin yang telah dilatih sebelumnya, untuk mendeteksi objek yang dominan dalam gambar yang dipilih oleh pengguna dari file. |
| Deteksi Objek SqueezeNet (Azure IoT Edge di Windows, C#) | Ini adalah modul sampel yang menunjukkan cara menjalankan inferensi Windows ML dalam modul Azure IoT Edge yang berjalan di Windows. Gambar disediakan oleh kamera yang terhubung, disimpulkan terhadap model SqueezeNet, dan dikirim ke IoT Hub. |
| StreamFromResource | Menunjukkan cara mengambil sumber daya yang disematkan yang berisi model ONNX dan mengonversinya ke aliran yang dapat diteruskan ke konstruktor Pembelajaran Model. |
| StyleTransfer (C#) | Aplikasi UWP yang melakukan transfer gaya pada gambar input yang disediakan pengguna atau aliran kamera web. |
| winml_tracker (ROS C++) | Simpul ROS (Sistem Operasi Robot) yang menggunakan Windows ML untuk melacak orang (atau objek lain) dalam bingkai kamera. |
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.