DirectML (Direct Machine Learning)
O Direct Machine Learning (DirectML) é uma API de baixo nível para aprendizado de máquina. Ele tem uma interface de programação familiar (C++ nativo, nano COM) e fluxo de trabalho no estilo do DirectX 12. Você pode integrar cargas de trabalho com inferência a aprendizado de máquina em seu jogo, mecanismo, middleware, back-end ou outro aplicativo. O DirectML é compatível com todo o hardware compatível com DirectX 12.
O DirectML é introduzido no Windows 10, versão 1903 e na versão correspondente do SDK do Windows.
Não deixe de conferir também nossa página de aterrissagem.
Nesta seção
Tópico | Descrição |
---|---|
Introdução ao DirectML | O Direct Machine Learning (DirectML) é uma API de baixo nível para aprendizado de máquina (ML). |
Histórico de versão do DirectML | O DirectML é um componente do sistema do Windows 10 e também está disponível como um pacote redistribuível autônomo. |
Histórico do nível de recurso do DirectML | Um manifesto dos tipos introduzidos em cada nível de recurso. |
Associação no DirectML | No DirectML, a associação refere-se à anexação de recursos ao pipeline para a GPU usar durante a inicialização e a execução de seus operadores de aprendizado de máquina. Esses recursos podem ser tensores de entrada e saída, por exemplo, bem como quaisquer recursos temporários ou persistentes que o operador precise. |
Barreiras de UAV e de estado do recurso no DirectML | Descreve os benefícios de correção das barreiras e como você pode trabalhar com elas no DirectML. |
Vida útil e sincronização de recursos | Para evitar um comportamento não definido, seu aplicativo DirectML deve gerenciar corretamente a vida útil e a sincronização de objetos entre a CPU e a GPU. |
Usar strides para expressar padding, layout de memória | Os tensores DirectML são descritos pelas propriedades conhecidas como os tamanhos e os passos do tensor. |
Como usar operadores fundidos para aprimorar o desempenho | Alguns operadores DirectML dão suporte a um conceito conhecido como fusion. A fusão do operador é uma maneira de melhorar o desempenho mesclando um operador (normalmente, uma função de ativação) em um operador diferente para que eles sejam executados juntos sem necessidade de ir até a memória e voltar. |
Como usar a camada de depuração do DirectML | A camada de depuração do DirectML é um componente opcional do tempo de desenvolvimento que ajuda você a depurar seu código DirectML. |
Como lidar com os erros e a remoção de dispositivos | Este tópico discute como depurar a remoção de dispositivos DirectML e outras condições de erro. |
DirectMLX | DirectMLX é uma biblioteca auxiliar somente de cabeçalho C++ para DirectML, destinada a facilitar a composição de operadores individuais em gráficos. |
Funções auxiliares do DirectML | Listagens de código de funções auxiliares essenciais do DirectML. |
Aplicativos de exemplo do DirectML | Links para aplicativos de exemplo do DirectML, incluindo um exemplo de um aplicativo do DirectML mínimo. |
Treinamento de ML acelerado de GPU | Aborda o que é atualmente compatível com o treinamento de aprendizado de máquina (ML) acelerado por GPU para o Windows Subsystem for Linux (WSL) e Windows nativo. |
Referência de API do DirectML | Esta seção aborda as APIs DirectML (Direct Machine Learning) declaradas no DirectML.h . |
Tópicos relacionados
Comentários
https://aka.ms/ContentUserFeedback.
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulteEnviar e exibir comentários de