Leggere in inglese

Condividi tramite


Esempi di Windows Machine Learning

Il repository Windows-Machine-Learning disponibile in GitHub contiene applicazioni di esempio che illustrano come usare Windows Machine Learning, oltre a strumenti che consentono di verificare i modelli e risolvere i problemi durante la fase di sviluppo.

Esempi

In GitHub sono disponibili le applicazioni di esempio seguenti.

Nome Descrizione
AdapterSelection (C++ Win32) Applicazione desktop che illustra come scegliere uno specifico adattatore di dispositivo per l'esecuzione del modello.
BatchSupport Illustra come associare e valutare batch di input con Windows ML.
Esempio per operatori personalizzati (C++ Win32) Applicazione desktop che definisce più operatori di CPU personalizzati. Uno di questi è un operatore di debug che puoi integrare nel tuo flusso di lavoro.
Tensorizzazione personalizzata (C++ Win32) Illustra come tensorizzare un'immagine di input usando le API di Windows ML sia nella CPU che nella GPU.
Visione personalizzata (C# UWP) Illustra come eseguire il training di un modello ONNX nel cloud usando Visione personalizzata e integrarlo in un'applicazione con Windows ML.
Emoji8 (C# UWP) Illustra come usare Windows ML per attivare un'applicazione divertente per il rilevamento delle emozioni.
Trasferimento stili FNS (C# UWP) Usa il modello di trasferimento stili FNS-Candy per ricreare lo stile di immagini o flussi video.
MNIST (C#/C++ UWP) Corrisponde all'esercitazione: Creare un'applicazione UWP di Windows Machine Learning (C#). Inizia da una base e procedi con l'esercitazione oppure esegui il progetto completato.
NamedDimensionOverrides Illustra come eseguire l'override delle dimensioni denominate in valori concreti per ottimizzare le prestazioni del modello.
PlaneIdentifier (C# UWP, C# WPF) Usa un modello di Machine Learning già sottoposto a training, generato usando il servizio Visione personalizzata in Azure, per rilevare se una determinata immagine contiene un oggetto specifico, ovvero un aereo.
RustSqueezeNet Proiezione Rust di WinRT con SqueezeNet.
Rilevamento oggetti SqueezeNet (Win32 C++, UWP C#/JavaScript, . NET5, . NETCORE) Usa SqueezeNet, un modello di Machine Learning già sottoposto a training, per rilevare l'oggetto predominante in un'immagine selezionata dall'utente da un file.
Rilevamento di oggetti SqueezeNet (Azure IoT Edge in Windows, C#) Modulo di esempio che illustra come eseguire l'inferenza di Windows ML in un modulo di Azure IoT Edge in esecuzione in Windows. Le immagini vengono fornite da una fotocamera connessa, definite tramite inferenza a fronte del modello SqueezeNet e inviate all'hub IoT.
StreamFromResource Illustra come accettare una risorsa incorporata che contiene un modello ONNX e convertirla in un flusso che può essere passato al costruttore LearningModel.
StyleTransfer (C#) Un'app UWP che esegue il trasferimento dello stile su immagini di input fornite dall'utente o flussi della fotocamera Web.
winml_tracker (C++ ROS) Nodo ROS (Robot Operating System) che usa Windows ML per tenere traccia delle persone (o altri oggetti) nei fotogrammi della fotocamera.

Nota

Per informazioni su Windows Machine Learning, usa le risorse seguenti:

  • Per porre domande tecniche o rispondere a domande tecniche su Windows Machine Learning, usa il tag windows-machine-learning in Stack Overflow.
  • Per segnalare un bug, registra il problema in GitHub.