Análise de dados com o PyTorch e o Windows ML

O Windows Machine Learning pode ser usado para executar previsões em conjuntos de dados tabulares, prevendo valores numéricos com base em variáveis de entrada independentes. Este guia usa um conjunto de dados específico no formato Excel, mas os procedimentos indicados funcionarão em qualquer tarefa relacionada que use um conjunto de dados tabulares de sua escolha.

Este tutorial mostrará como resolver uma tarefa de classificação com uma rede neural usando a biblioteca do PyTorch, exportar o modelo para o formato ONNX e implantá-lo em um aplicativo do Windows Machine Learning executado localmente em seu dispositivo Windows.

É necessário ter conhecimento básico nas linguagens de programação Python e C#. Ter experiência prévia em machine learning é preferível, mas não é necessário.

Se você quiser passar diretamente para a instalação, confira Instalar o PyTorch.

Se você já tiver configurado o PyTorch, inicie o processo de treinamento do modelo coletando os dados.

Quando estiver pronto para usar os dados, você poderá começar a treinar seu modelo e, em seguida, convertê-lo para o formato ONNX.

Se você tiver um modelo ONNX e quiser aprender a criar um aplicativo WinML do zero, navegue até implantar seu modelo.

Observação

Se desejar, você poderá clonar o repositório de exemplos do Windows Machine Learning e executar o código concluído para este tutorial. Você pode encontrar a solução de treinamento PyTorch aqui ou o aplicativo do Windows ML completo aqui. Se você estiver usando o arquivo PyTorch, configure o interpretador PyTorch relevante antes de executá-lo.

Cenário

Neste tutorial, você criará um aplicativo de análise de dados de machine learning para prever a espécie de flores de íris. Para fazer isso, você usará o conjunto de dados Íris de Fisher. O modelo será treinado para reconhecer determinados tipos de padrões de íris e prever a espécie correta.

Pré-requisitos para PyTorch – treinamento de modelo:

O PyTorch tem suporte nas seguintes distribuições do Windows:

• Windows 7 e posterior. Windows 10 ou posterior (recomendável).
• Windows Server 2008 R2 e posterior

Para usar o Pytorch no Windows, você precisa ter o Python 3.x instalado. Não há suporte para Python 2.x.

Pré-requisitos para a implantação do aplicativo do Windows ML

Para criar e implantar um aplicativo WinML, você precisará do seguinte:

• Windows 10 versão 1809 (build 17763) ou superior. Você pode verificar o número de versão do build executando winver por meio do comando Executar (Windows logo key + R).
• SDK do Windows para o build 17763 ou posterior. Você pode obter o SDK aqui.
• Visual Studio 2017 versão 15.7 ou posterior. É recomendável usar o Visual Studio 2019, e algumas capturas de tela neste tutorial poderão ser diferentes se você usar o VS2017. Você pode obter o Visual Studio aqui.
• Você também precisará habilitar o Modo de Desenvolvedor em seu computador

Observação

As APIs do Windows ML são integradas às últimas versões do Windows 10 (1809 ou superior) e do Windows Server 2019. Se sua plataforma de destino for de versões mais antigas do Windows, você poderá portar seu aplicativo do WinML para o pacote NuGet redistribuível (Windows 8.1 ou superior).

Próximas etapas

Vamos começar instalando o PyTorch e configurando nosso ambiente

Importante

O PyTorch, o logotipo do PyTorch e todas as marcas relacionadas são marcas comerciais do Facebook, Inc.