Aan de slag met Windows ML

In dit onderwerp helpen we u bij de minimale stappen voor het uitvoeren van een ONNX-model met Windows ML op een CPU en verwijzen we u vervolgens naar hardwareversnelling wanneer u daar klaar voor bent.

Zie Wat is Windows ML voor meer informatie over Windows ML.

Vereiste voorwaarden

• Versie van Windows die Windows App SDK ondersteunt
• Architectuur: x64 of ARM64
• Taalspecifieke vereisten die hieronder worden weergegeven

C#

• .NET 8 of hoger voor het gebruik van alle Windows ML-API's
  • Met .NET 6 kunt u uitvoeringsproviders installeren met behulp van de Microsoft.Windows.AI.MachineLearning API's, maar u kunt de Microsoft.ML.OnnxRuntime API's niet gebruiken.
• Gericht op een Windows 10-specifieke TFM zoals net8.0-windows10.0.19041.0 of hoger

C++/WinRT

C++20 of hoger.

C/C++

• Visual Studio 2022 met C++-workload (inclusief de C-compiler)
• CMake 3.21 of hoger

Python

Python-versies 3.10 tot 3.13, op x64- en ARM64-apparaten.

Stap 1: Een model zoeken

Voordat u code schrijft, hebt u een ONNX-model nodig. Zie Modellen zoeken of trainen voor hulp bij het verkrijgen van ONNX-modellen.

Stap 2: Windows ML installeren

Zie Windows ML installeren en implementeren voor volledige instructies in alle ondersteunde talen en implementatiemodi (frameworkafhankelijk en zelfstandig).

Stap 3: Naamruimten/headers toevoegen

Nadat u Windows ML in uw project hebt geïnstalleerd, raadpleegt u ONNX-API's gebruiken voor hulp bij de naamruimten/headers die u wilt gebruiken.

Stap 4: Een ONNX-model uitvoeren

Als Windows ML is geïnstalleerd, kunt u ONNX-modellen uitvoeren op de CPU zonder extra installatie. Zie ONNX-modellen uitvoeren voor hulp.

Op dit moment heeft uw app een werkend deductiepad voor CPU.

Stap 5: Optioneel versnellen op NPU of GPU

Wilt u snellere deductie op NPU, GPU of zelfs CPU? Zie AI-modellen versnellen om hardware-afgestemde uitvoeringsproviders toe te voegen voor uw doelhardware.

Zie ook

• AI-modellen versnellen - NPU-, GPU- of CPU-uitvoeringsproviders toevoegen
• ONNX-modellen uitvoeren - Informatie over inferentie van ONNX-modellen
• Windows ML installeren en implementeren - Opties voor het implementeren van een app met Windows ML
• Zelfstudie : volledige end-to-end zelfstudie met Windows ML met het ResNet-50-model
• Codevoorbeelden - Onze codevoorbeelden met Windows ML