Veelgestelde vragen over het gebruik van AI in Windows-apps

Hoe kan ik AI integreren in mijn Windows client-app?

Het integreren van AI in uw Windows-toepassing kan worden bereikt via twee primaire methoden: een lokaal model of een cloudmodel. Voor de optie lokaal model hebt u de mogelijkheid om een bestaand model te gebruiken of uw eigen model te trainen met behulp van platforms zoals TensorFlow of PyTorch en deze vervolgens in uw toepassing op te nemen via OnnxRuntime. Microsoft Foundry op Windows biedt API's voor verschillende functies, waaronder OCR of het gebruik van het Phi Silicium-model. Aan de andere kant, het hosten van uw model in de cloud en het openen ervan via een REST API, kan uw toepassing gestroomlijnd blijven door resource-intensieve taken naar de cloud te delegeren. Zie Gebruik Machine Learning modellen in uw Windows-app voor meer informatie.

Heb ik de nieuwste versie van Windows 11 en een Copilot+ PC met een NPU nodig om AI-functies te kunnen gebruiken?

Er zijn veel manieren om AI-workloads uit te voeren, zowel door modellen lokaal te installeren en uit te voeren op uw Windows-apparaat of door cloudmodellen uit te voeren (zie Get gestart met AI op Windows), maar de AI-functies die worden ondersteund door Windows AI-API's vereisen momenteel een Copilot+ PC met een NPU.

Welke programmeertalen zijn het meest geschikt voor het ontwikkelen van AI in Windows client-apps?

U kunt elke gewenste programmeertaal gebruiken. C# wordt bijvoorbeeld veel gebruikt voor het maken van Windows client-apps. Als u meer controle nodig hebt over details op laag niveau, is C++ een uitstekende optie. U kunt ook overwegen om Python te gebruiken. U kunt ook de Windows-subsysteem voor Linux (WSL) gebruiken om AI-hulpprogramma's op basis van Linux uit te voeren op Windows.

Wat zijn de beste AI-frameworks voor Windows client-apps?

We raden u aan OnnxRuntime te gebruiken.

Hoe kan ik gegevensprivacy en -beveiliging afhandelen bij het gebruik van AI in Windows client-apps?

Het respecteren van de privacy en beveiliging van gebruikersgegevens is essentieel bij het ontwikkelen van ai-apps. Volg de aanbevolen procedures voor het verwerken van gegevens, zoals het versleutelen van gevoelige gegevens, het gebruik van beveiligde verbindingen en het verkrijgen van gebruikerstoestemming voordat u gegevens verzamelt. U moet ook transparant zijn over hoe u gegevens gebruikt en gebruikers controle geven over hun gegevens. Lees ook Ontwikkeling van verantwoorde generatieve AI-toepassingen en functies op Windows.

Wat zijn de systeemvereisten voor het uitvoeren van AI in Windows client-apps?

Systeemvereisten voor Windows-apps die gebruikmaken van AI, zijn afhankelijk van de complexiteit van het AI-model en de gebruikte hardwareversnelling. Voor eenvoudige modellen is een moderne CPU mogelijk voldoende, maar voor complexere modellen is mogelijk een GPU of NPU vereist. U moet ook rekening houden met de geheugen- en opslagvereisten van uw app, evenals de netwerkbandbreedte die is vereist voor AI-services in de cloud.

Hoe optimaliseer je de AI-prestaties in Windows client-apps?

Als u ai-prestaties in Windows apps wilt optimaliseren, moet u overwegen om hardwareversnelling, zoals GPU's of NPU's, te gebruiken om modeldeductie te versnellen. Windows Copilot+ laptops zijn geoptimaliseerd voor AI-workloads en kunnen een aanzienlijke prestatieverbeteringen bieden voor AI-taken. ** Zie ook het overzicht van Foundry Toolkit voor Visual Studio Code.

Kan ik vooraf getrainde AI-modellen gebruiken in mijn Windows client-app?

Ja, u kunt vooraf getrainde AI-modellen gebruiken in uw Windows-app. U kunt vooraf getrainde modellen downloaden van internet of een cloudgebaseerde AI-service gebruiken voor toegang tot vooraf getrainde modellen. U kunt deze modellen vervolgens integreren in uw app met behulp van een framework zoals OnnxRuntime.

Wat is DirectML?

DirectML is een API op laag niveau voor machine learning die GPU-versnelling biedt voor algemene taken van machine learning voor een breed scala aan ondersteunde hardware en stuurprogramma's, waaronder alle DirectX 12-compatibele GPU's van leveranciers zoals AMD, Intel, NVIDIA en Qualcomm.

Hoe kan ik achterhalen wat voor soort CPU, GPU of NPU mijn apparaat heeft?

Als u het type CPU, GPU of NPU op uw Windows apparaat wilt controleren en hoe het werkt, opent u Taakbeheer (Ctrl + Shift + Esc) en selecteert u vervolgens het tabblad Performance en kunt u de CPU, het geheugen, de Wi-Fi, GPU en/of NPU van uw computer zien, samen met informatie over de snelheid, gebruikssnelheid en andere gegevens.

Wat is Windows ML?

Windows ML (Machine Learning) zorgt ervoor dat uw app een gedeelde kopie van de ONNX Runtime (ORT) gebruikt en ondersteuning toevoegt om leverancierspecifieke executionproviders (EPs) dynamisch te downloaden, zodat uw modeldeductie kan worden geoptimaliseerd voor de grote verscheidenheid aan CPU's, GPU's en NPU's in de Windows ecosysteem zonder dat uw app zware runtimes of EPs zelf hoeft te dragen.

Het integreren van AI in uw Windows-toepassing kan worden bereikt via twee primaire methoden: een lokaal model of een cloudmodel. Voor de optie lokaal model hebt u de mogelijkheid om een bestaand model te gebruiken of uw eigen model te trainen met behulp van platforms zoals TensorFlow of PyTorch en deze vervolgens in uw toepassing op te nemen via OnnxRuntime. Microsoft Foundry op Windows biedt API's voor verschillende functies, waaronder OCR of het gebruik van het Phi Silicium-model. Aan de andere kant, het hosten van uw model in de cloud en het openen ervan via een REST API, kan uw toepassing gestroomlijnd blijven door resource-intensieve taken naar de cloud te delegeren. Zie Gebruik Machine Learning modellen in uw Windows-app voor meer informatie.

Er zijn veel manieren om AI-workloads uit te voeren, zowel door modellen lokaal te installeren en uit te voeren op uw Windows-apparaat of door cloudmodellen uit te voeren (zie Get gestart met AI op Windows), maar de AI-functies die worden ondersteund door Windows AI-API's vereisen momenteel een Copilot+ PC met een NPU.

U kunt elke gewenste programmeertaal gebruiken. C# wordt bijvoorbeeld veel gebruikt voor het maken van Windows client-apps. Als u meer controle nodig hebt over details op laag niveau, is C++ een uitstekende optie. U kunt ook overwegen om Python te gebruiken. U kunt ook de Windows-subsysteem voor Linux (WSL) gebruiken om AI-hulpprogramma's op basis van Linux uit te voeren op Windows.

We raden u aan OnnxRuntime te gebruiken.

Het respecteren van de privacy en beveiliging van gebruikersgegevens is essentieel bij het ontwikkelen van ai-apps. Volg de aanbevolen procedures voor het verwerken van gegevens, zoals het versleutelen van gevoelige gegevens, het gebruik van beveiligde verbindingen en het verkrijgen van gebruikerstoestemming voordat u gegevens verzamelt. U moet ook transparant zijn over hoe u gegevens gebruikt en gebruikers controle geven over hun gegevens. Lees ook Ontwikkeling van verantwoorde generatieve AI-toepassingen en functies op Windows.

Systeemvereisten voor Windows-apps die gebruikmaken van AI, zijn afhankelijk van de complexiteit van het AI-model en de gebruikte hardwareversnelling. Voor eenvoudige modellen is een moderne CPU mogelijk voldoende, maar voor complexere modellen is mogelijk een GPU of NPU vereist. U moet ook rekening houden met de geheugen- en opslagvereisten van uw app, evenals de netwerkbandbreedte die is vereist voor AI-services in de cloud.

Als u ai-prestaties in Windows apps wilt optimaliseren, moet u overwegen om hardwareversnelling, zoals GPU's of NPU's, te gebruiken om modeldeductie te versnellen. Windows Copilot+ laptops zijn geoptimaliseerd voor AI-workloads en kunnen een aanzienlijke prestatieverbeteringen bieden voor AI-taken. ** Zie ook het overzicht van Foundry Toolkit voor Visual Studio Code.

Ja, u kunt vooraf getrainde AI-modellen gebruiken in uw Windows-app. U kunt vooraf getrainde modellen downloaden van internet of een cloudgebaseerde AI-service gebruiken voor toegang tot vooraf getrainde modellen. U kunt deze modellen vervolgens integreren in uw app met behulp van een framework zoals OnnxRuntime.

DirectML is een API op laag niveau voor machine learning die GPU-versnelling biedt voor algemene taken van machine learning voor een breed scala aan ondersteunde hardware en stuurprogramma's, waaronder alle DirectX 12-compatibele GPU's van leveranciers zoals AMD, Intel, NVIDIA en Qualcomm.

Als u het type CPU, GPU of NPU op uw Windows apparaat wilt controleren en hoe het werkt, opent u Taakbeheer (Ctrl + Shift + Esc) en selecteert u vervolgens het tabblad Performance en kunt u de CPU, het geheugen, de Wi-Fi, GPU en/of NPU van uw computer zien, samen met informatie over de snelheid, gebruikssnelheid en andere gegevens.

Windows ML (Machine Learning) zorgt ervoor dat uw app een gedeelde kopie van de ONNX Runtime (ORT) gebruikt en ondersteuning toevoegt om leverancierspecifieke executionproviders (EPs) dynamisch te downloaden, zodat uw modeldeductie kan worden geoptimaliseerd voor de grote verscheidenheid aan CPU's, GPU's en NPU's in de Windows ecosysteem zonder dat uw app zware runtimes of EPs zelf hoeft te dragen.