Gegevensanalyse met PyTorch en Windows ML

Windows Machine Learning kan worden gebruikt voor het uitvoeren van voorspellingen op gegevenssets in tabelvorm, het voorspellen van numerieke waarden op basis van onafhankelijke invoervariabelen. In deze handleiding wordt een specifieke gegevensset in Excel-indeling gebruikt, maar de procedures die worden beschreven, werken voor elke gerelateerde taak met behulp van een gegevensset in tabelvorm van uw keuze.

Deze handleiding laat zien hoe u een classificatietaak met een neuraal netwerk kunt oplossen met behulp van de PyTorch-bibliotheek, het model exporteert naar de ONNX-indeling en hoe u het implementeert in een Windows Machine Learning-toepassing die lokaal op uw Windows-apparaat wordt uitgevoerd.

Basiskennis in Python- en C#-programmeertalen is vereist. Eerdere ervaring in machine learning verdient de voorkeur, maar is niet vereist.

Zie PyTorch installeren als u direct naar de installatie wilt gaan.

Als u PyTorch al hebt ingesteld, start u het modeltrainingsproces door de gegevens op te halen.

Zodra u klaar bent om met de gegevens te gaan, kunt u beginnen met het trainen van uw model en het vervolgens converteren naar de ONNX-indeling.

Als u een ONNX-model hebt en wilt leren hoe u een volledig nieuwe WinML-app maakt, navigeert u naar het implementeren van uw model.

Opmerking

Als u wilt, kunt u de opslagplaats voor Windows Machine Learning-voorbeelden klonen en de voltooide code voor deze zelfstudie uitvoeren. U vindt hier de PyTorch-trainingsoplossing of de voltooide Windows ML-app. Als u het PyTorch-bestand gebruikt, moet u de relevante PyTorch-interpreter instellen voordat u het uitvoert.

Scenariobeschrijving

In deze zelfstudie maken we een toepassing voor machine learning-gegevensanalyse om het type irisbloemen te voorspellen. Hiervoor gebruikt u Fisher's iris-bloemgegevensset. Het model wordt getraind om bepaalde typen irispatronen te herkennen en het juiste type te voorspellen.

Vereisten voor PyTorch - modeltraining:

PyTorch wordt ondersteund op de volgende Windows-distributies:

• Windows 7 en hoger. Windows 10 of hoger aanbevolen.
• Windows Server 2008 r2 en hoger

Als u Pytorch in Windows wilt gebruiken, moet Python 3.x zijn geïnstalleerd. Python 2.x wordt niet ondersteund.

Vereisten voor implementatie van Windows ML-apps

Als u een WinML-app wilt maken en implementeren, hebt u het volgende nodig:

• Windows 10 versie 1809 (build 17763) of hoger. U kunt uw buildversienummer controleren door winver via de opdracht (Windows logo key + R)Uitvoeren uit te voeren.
• Windows SDK voor build 17763 of hoger. U kunt de SDK hier downloaden.
• Visual Studio 2017 versie 15.7 of hoger. We raden u aan Visual Studio 2019 te gebruiken en sommige schermafbeeldingen in deze zelfstudie kunnen afwijken als u VS2017 gebruikt. U kunt Visual Studio hier downloaden.
• U moet ook de ontwikkelaarsmodus op uw pc inschakelen

Opmerking

Windows ML-API's zijn ingebouwd in de nieuwste versies van Windows 10 (1809 of hoger) en Windows Server 2019. Als uw doelplatform oudere versies van Windows is, kunt u uw WinML-app overzetten naar het herdistribueerbare NuGet-pakket (Windows 8.1 of hoger).

Volgende stappen

We beginnen met het installeren van PyTorch en het configureren van onze omgeving

Belangrijk

PyTorch, het PyTorch-logo en eventuele gerelateerde merken zijn handelsmerken van Facebook, Inc.