Модели ONNX

Машинное обучение Windows поддерживает модели в формате Open Neural Network Exchange (ONNX). ONNX — это открытый формат для моделей машинного обучения, который позволяет обменивать модели между различными платформами машинного обучения и инструментами.

Существует несколько способов получения модели в формате ONNX, в том числе:

• Зоопарк моделей ONNX: содержит несколько предварительно обученных моделей ONNX для различных типов задач. Скачайте версию, поддерживаемую Windows ML, и все готово!

• Собственный экспорт из платформ обучения машинного обучения: несколько платформ обучения поддерживают собственные функции экспорта в ONNX, такие как Chainer, Caffee2 и PyTorch, что позволяет сохранить обученную модель в конкретных версиях формата ONNX. Кроме того, такие службы, как Машинное обучение Azure и Пользовательское визуальное распознавание Azure , также предоставляют собственный экспорт ONNX.

  • Чтобы узнать, как обучать и экспортировать модель ONNX в облаке с помощью пользовательского визуального распознавания, ознакомьтесь с руководством. Использование модели ONNX из Пользовательского визуального распознавания с Windows ML (предварительная версия).

• Преобразование существующих моделей с помощью ONNXMLTools: этот пакет Python позволяет преобразовать модели из нескольких форматов платформ обучения в ONNX. Как разработчик, вы можете указать, до какой версии ONNX вы хотите преобразовать свою модель, в зависимости от того, на какие сборки Windows нацелено ваше приложение. Если вы не знакомы с Python, вы можете использовать панель мониторинга на основе пользовательского интерфейса Windows ML , чтобы легко преобразовать модели с несколькими щелчками мыши.

Это важно

Не все версии ONNX поддерживаются Windows ML. Чтобы узнать, какие версии ONNX официально поддерживаются в версиях Windows, предназначенных для приложения, проверьте версии ONNX и сборки Windows.

Получив модель ONNX, вы интегрируете модель в код приложения, а затем сможете использовать машинное обучение в приложениях и устройствах Windows!

Замечание

Используйте следующие ресурсы для справки по Windows ML:

• Чтобы задать или ответить на технические вопросы о Windows ML, используйте тег Stack Overflowwindows-machine-learning.
• Чтобы сообщить об ошибке, отправьте сообщение о проблеме на GitHub.