O Windows Machine Learning pode ser usado em várias soluções de aplicativo personalizáveis. Aqui, são oferecidos vários tutoriais completos que abordam como criar um modelo de Machine Learning de uma variedade de serviços programáticos ou sem código em potencial e integrá-los a um aplicativo do Windows ML básico. Além disso, são abordados vários métodos avançados para ajustar a funcionalidade do seu aplicativo. Se você estiver procurando apenas um uso introdutório básico das APIs com um modelo existente ou se quiser ver os exemplos, confira mais links abaixo.
Tutoriais de aplicativo completos
O tutoriais a seguir abordam a criação de um modelo de Machine Learning e como incorporá-lo em um aplicativo do Windows 10 com o Windows ML.
Ambiente de treinamento sem código
Quer usar um utilitário existente para treinar um modelo de machine learning? Os tutoriais abrangem todos as etapas sobre como criar aplicativos do Windows ML com modelos treinados por serviços existentes.
Saiba como usar o serviço de Visão Personalizada Azure para treinar um modelo para classificação de imagem e implantar esse modelo em um aplicativo do Windows ML para ser executado localmente no seu computador.
Saiba como usar a extensão ML.NET Model Builder do Visual Studio para criar um modelo ONNX e implantar esse modelo em um aplicativo do Windows ML para ser executado localmente no seu computador.
Ambiente de treinamento com código
Os tutoriais abrangem as maneiras de criar o código para treinar um modelo do Windows ML, em vez de usar um serviço pré-existente.
Saiba como instalar o PyTorch em seu computador, como usá-lo para treinar um modelo de classificação de imagem, como converter esse modelo no formato ONNX e como implantá-lo em um aplicativo do Windows ML para ser executado localmente no seu computador.
Saiba como instalar o PyTorch em seu computador, como usá-lo para treinar um modelo de análise de dados, como converter esse modelo no formato ONNX e como implantá-lo em um aplicativo do Windows ML para ser executado localmente no seu computador.
Saiba como instalar o TensorFlow em seu computador, implementar a transferência de aprendizado com a arquitetura YOLO, fazer a conversão em modelo ONNX e implantar em um aplicativo do Windows ML para ser executado localmente no seu computador.
Para obter os recursos e as correções mais recentes do Windows ML, confira nossas notas sobre a versão.
Importante
PyTorch, o logotipo do PyTorch e todas as marcas relacionadas são marcas registradas do Facebook, Inc. TensorFlow, o logotipo do TensorFlow e todas as marcas relacionadas são marcas registradas da Google Inc.
Observação
Use os recursos a seguir para obter ajuda com o Windows ML:
Para fazer perguntas ou responder a perguntas técnicas sobre o Windows ML, use a marca windows-machine-learning no Stack Overflow.
Para relatar um bug, registre um problema no nosso GitHub.
O machine learning é a base para modelagem preditiva e inteligência artificial. Aprenda alguns dos princípios base de machine learning e como usar ferramentas e estruturas comuns para treinar, avaliar e usar modelos de machine learning.
Gerenciar a ingestão e a preparação de dados, o treinamento e a implantação de modelos e o monitoramento da solução de machine learning com Python, Azure Machine Learning e MLflow.
