Esempi di Windows Machine Learning

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

Esempi

Le applicazioni di esempio seguenti sono disponibili in GitHub.

Nome	Descrizione
AdapterSelection (Win32 C++)	Applicazione desktop che illustra come scegliere un adattatore di dispositivo specifico per l'esecuzione del modello.
Supporto batch	Illustra come associare e valutare batch di input con Windows ML.
Esempio di operatore personalizzato (Win32 C++)	Applicazione desktop che definisce più operatori CPU personalizzati. Uno di questi è un operatore di debug che è possibile integrare nel proprio flusso di lavoro.
Tensorizzazione personalizzata (Win32 C++)	Illustra come tensorizzare un'immagine di input usando le API di Windows ML sia nella CPU che nella GPU.
Visione personalizzata (UWP C#)	Illustra come eseguire il training di un modello ONNX nel cloud usando Visione personalizzata e integrarlo in un'applicazione con Windows ML.
Emoji8 (UWP C#)	Illustra come usare Windows ML per attivare un'applicazione divertente per il rilevamento delle emozioni.
Trasferimento di stili FNS (UWP C#)	Usa il modello di trasferimento dello stile FNS-Candy per rimodellare immagini o flussi video.
MNIST (UWP C#/C++)	Corrisponde all'esercitazione: Creare un'applicazione UWP di Windows Machine Learning (C#). Partire da una base e completare l'esercitazione, oppure eseguire il progetto completato.
NamedDimensionOverrides	Illustra come eseguire l'override delle dimensioni denominate in valori concreti per ottimizzare le prestazioni del modello.
PlaneIdentifier (UWP C#, WPF C#)	Usa un modello di Machine Learning con training preliminare, generato usando il servizio Visione personalizzata in Azure, per rilevare se l'immagine specificata contiene un oggetto specifico: un piano.
RustSqueezeNet	Proiezione Rust di WinRT con SqueezeNet.
Rilevamento oggetti SqueezeNet (Win32 C++, UWP C#/JavaScript, .NET5, .NETCORE)	Usa SqueezeNet, un modello di Machine Learning con training preliminare, per rilevare l'oggetto predominante in un'immagine selezionata dall'utente da un file.
Rilevamento Oggetti SqueezeNet (Azure IoT Edge su Windows, C#)	Questo è un modulo di esempio che illustra come eseguire l'inferenza di Windows ML in un modulo Azure IoT Edge in esecuzione in Windows. Le immagini vengono fornite da una fotocamera collegata, elaborate tramite il modello SqueezeNet e inviate all'hub IoT.
Flusso darisorsa	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 (ROS C++)	Nodo ROS (Robot Operating System) che usa Windows ML per tenere traccia delle persone (o altri oggetti) nei fotogrammi della fotocamera.

Annotazioni

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

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