Windows.AI.MachineLearning Namespace

Permite que os aplicativos carreguem modelos de machine learning, associem recursos e avaliem os resultados.

Classes

ImageFeatureDescriptor	Descreve as propriedades da imagem que o modelo está esperando.
ImageFeatureValue	Descreve as propriedades da imagem usada para passar para um modelo.
LearningModel	Representa um modelo de machine learning treinado.
LearningModelBinding	Usado para associar valores a recursos nomeados de entrada e saída.
LearningModelDevice	O dispositivo usado para avaliar o modelo de machine learning.
LearningModelEvaluationResult	Obtenha os resultados da avaliação.
LearningModelSession	Usado para avaliar modelos de machine learning.
LearningModelSessionOptions	Descreve as opções de inferência usadas durante a criação de objetos LearningModelSession .
MapFeatureDescriptor	Um mapa é uma coleção de pares (chave, valor).
SequenceFeatureDescriptor	Uma sequência é uma matriz de elementos.
TensorBoolean	Um objeto tensor booliano.
TensorDouble	Um objeto tensor float de 64 bits.
TensorFeatureDescriptor	Tensores são matrizes multidimensionais de valores.
TensorFloat	Um objeto tensor float de 32 bits.
TensorFloat16Bit	Um objeto tensor float de 16 bits.
TensorInt16Bit	Um objeto tensor inteiro com sinal de 16 bits.
TensorInt32Bit	Um objeto tensor inteiro com sinal de 32 bits.
TensorInt64Bit	Um objeto tensor inteiro com sinal de 64 bits.
TensorInt8Bit	Um objeto tensor inteiro com sinal de 8 bits.
TensorString	Um objeto tensor de cadeia de caracteres.
TensorUInt16Bit	Um objeto tensor inteiro sem sinal de 16 bits.
TensorUInt32Bit	Um objeto tensor inteiro sem sinal de 32 bits.
TensorUInt64Bit	Um objeto tensor inteiro sem sinal de 64 bits.
TensorUInt8Bit	Um objeto tensor inteiro sem sinal de 8 bits.

Interfaces

ILearningModelFeatureDescriptor	Descreve as propriedades comuns que todos os recursos têm.
ILearningModelFeatureValue	O valor instanciado para um recurso.
ILearningModelOperatorProvider	Descreve os operadores para um modelo de aprendizado.
ITensor	Tensores são valores multidimensionais.

Enumerações

LearningModelDeviceKind	Define a lista de tipos de dispositivo que podem avaliar um modelo de machine learning.
LearningModelFeatureKind	Tipos de recursos de entrada e saída para um modelo de machine learning.
LearningModelPixelRange	Define a lista de intervalos de pixels nominais de imagem supusados pelo Windows ML. O valor adequado é especificado nos metadados de um modelo de machine learning.
TensorKind	Define a lista de tipos de dados tensores com suporte.

Exemplos

O exemplo a seguir carrega um modelo, cria uma sessão de avaliação, obtém os recursos de entrada e saída do modelo, associa esses recursos e avalia.

private async Task LoadAndEvaluateModelAsync(VideoFrame _inputFrame, string _modelFileName)
{
    LearningModel _model;
    ImageFeatureDescriptor _inputImageDescription;
    TensorFeatureDescriptor _outputImageDescription;
    LearningModelBinding _binding = null;
    VideoFrame _outputFrame = null;
    LearningModelSession _session;

    try
    {
        // Load and create the model
        var modelFile = 
            await StorageFile.GetFileFromApplicationUriAsync(new Uri($"ms-appx:///Assets/{_modelFileName}"));
        _model = await LearningModel.LoadFromStorageFileAsync(modelFile);

        // Create the evaluation session with the model
        _session = new LearningModelSession(_model);

        //Get input and output features of the model
        List<ILearningModelFeatureDescriptor> inputFeatures = _model.InputFeatures.ToList();
        List<ILearningModelFeatureDescriptor> outputFeatures = _model.OutputFeatures.ToList();

        // Retrieve the first input feature which is an image
        _inputImageDescription =
                inputFeatures.FirstOrDefault(feature => feature.Kind == LearningModelFeatureKind.Image)
                as ImageFeatureDescriptor;

        // Retrieve the first output feature which is a tensor
        _outputImageDescription =
                        outputFeatures.FirstOrDefault(feature => feature.Kind == LearningModelFeatureKind.Tensor)
                        as TensorFeatureDescriptor;

        //Create output frame based on expected image width and height
        _outputFrame = new VideoFrame(
            BitmapPixelFormat.Bgra8, 
            (int)_inputImageDescription.Width, 
            (int)_inputImageDescription.Height);

        //Create binding and then bind input/output features
        _binding = new LearningModelBinding(_session);

        _binding.Bind(_inputImageDescription.Name, _inputFrame);
        _binding.Bind(_outputImageDescription.Name, _outputFrame);

        //Evaluate and get the results
        var results = await _session.EvaluateAsync(_binding, "test");
    }
    catch (Exception ex)
    {
        StatusBlock.Text = $"error: {ex.Message}";
        _model = null;
    }
}

Comentários

Windows Server

Para usar essa API no Windows Server, você deve usar o Windows Server 2019 com a Experiência desktop.

Acesso thread-safe

Essa API é thread-safe.

Confira também

• Windows ML
• Exemplos do Windows ML (Github)