Windows Machine Learning は、カスタマイズ可能なさまざまなアプリ ソリューションで使用できます。 ここでは、さまざまな潜在的な非コードまたはプログラムサービスから Machine Learning モデルを作成し、それらを基本的な Windows ML アプリに統合する方法を説明する完全なチュートリアルをいくつか提供します。 さらに、アプリの機能を調整するための高度な方法をいくつか取り上げられています。 また、既存のモデルで API の基本的な入門用としてお探しの場合や、サンプルを確認する場合は、以下のリンクを参照してください。
完全なアプリのチュートリアル
次のチュートリアルでは、Machine Learning モデルの作成と、それを Windows ML を使用して Windows 10 アプリに組み込む方法について説明します。
コードなしのトレーニング環境
既存のユーティリティを使用して機械学習モデルをトレーニングしますか? これらのチュートリアルでは、既存のサービスによってトレーニングされたモデルを使用して Windows ML アプリを作成する方法のエンド ツー エンドのチュートリアルについて説明します。
Custom Vision と Windows ML を使用した画像分類
Azure Custom Vision サービスを使用して画像分類用のモデルをトレーニングし、そのモデルを Windows ML アプリケーションにデプロイしてコンピューター上でローカルに実行する方法について説明します。
ML.NET Model Builder Visual Studio 拡張機能を使用して ONNX モデルを作成し、そのモデルを Windows ML アプリケーションにデプロイして、コンピューター上でローカルに実行する方法について説明します。
コード トレーニング環境
これらのチュートリアルでは、既存のサービスを使用するのではなく、Windows ML モデルをトレーニングするための独自のコードを作成する方法について説明します。
PyTorch と Windows ML を使用した画像分類
PyTorch をコンピューターにインストールする方法、PyTorch を使用して画像分類モデルをトレーニングする方法、そのモデルを ONNX 形式に変換する方法、および Windows ML アプリケーションにデプロイしてコンピューター上でローカルに実行する方法について説明します。
PyTorch と Windows ML を使用したデータ分析
PyTorch をコンピューターにインストールする方法、PyTorch を使用してデータ分析モデルをトレーニングする方法、そのモデルを ONNX 形式に変換する方法、および Windows ML アプリケーションにデプロイしてコンピューター上でローカルに実行する方法について説明します。
TensorFlow と Windows ML を使用したオブジェクト検出
TensorFlow をコンピューターにインストールする方法、YOLO アーキテクチャを使用して転移学習を実装する方法、モデルに ONNX に変換する方法、Windows ML アプリケーションにデプロイしてコンピューター上でローカルに実行する方法について説明します。
高度な機能:
Windows ML NuGet パッケージを使用する場合は、「 チュートリアル: 既存の Windows ML アプリを NuGet パッケージに移植する」を参照してください。
最新の Windows ML の機能と修正については、 リリース ノートを参照してください。
重要
PyTorch、PyTorch ロゴ、および関連するマークは、Facebook, Inc. TensorFlow の商標、TensorFlow ロゴ、および関連するマークは Google Inc. の商標です。
注
Windows ML に関するヘルプについては、次のリソースを参照してください。
- Windows ML に関する技術的な質問や回答を行うには、Stack Overflow の windows-machine-learning タグを使用してください。
- バグを報告するには、 GitHub で問題を報告してください。