Машинное обучение Windows

  • Статья

Реализуйте технологии машинного обучения в приложениях для Windows с помощью Windows ML — высокопроизводительного и надежного API для развертывания решений, поддерживающих вывод данных машинного обучения с аппаратным ускорением, на устройствах с Windows.

Windows ML graphic

Обзор

Решение Windows ML встроено в последние версии Windows 10 и Windows Server 2019 и доступно в качестве пакета NuGet для версий до Windows 8.1. Windows ML предоставляет разработчикам следующие преимущества:

  • Простота разработки: с помощью Windows ML, встроенной в последние версии Windows 10 и Windows Server 2019, все, что вам нужно, — Visual Studio и обученная модель ONNX, которая может распространяться вместе с приложением Windows. Если вам нужно предоставлять функции на основе искусственного интеллекта в более ранних версиях Windows (до 8.1), используйте решение Windows ML, доступное в виде пакета NuGet, который можно распространять вместе с приложением.

  • Широкая поддержка оборудования: Windows ML позволяет записывать рабочую нагрузку машинного обучения один раз и автоматически получать высокооптимизируемую производительность для разных поставщиков оборудования и кремниевых типов, таких как ЦП, GPU и акселераторы искусственного интеллекта. Кроме того, Windows ML гарантирует согласованную работу всего поддерживаемого оборудования.

  • Низкая задержка, результаты в режиме реального времени: модели машинного обучения можно оценить с помощью возможностей обработки устройства Windows, обеспечивая локальный, реальный анализ больших объемов данных, таких как изображения и видео. Результаты выводятся быстро и эффективно, что особенно важно для рабочих нагрузок, требующих высокой производительности, таких как игровые движки или фоновые задачи, например индексирование для службы поиска.

  • Повышенная гибкость. Возможность оценки моделей машинного обучения локально на устройствах Windows позволяет решать более широкий спектр сценариев. Например, оценка модели машинного обучения может выполняться, пока устройство находится в автономном режиме, а также при прерывистом подключении. Кроме того, вы можете реализовать сценарии, в которых не все данные отправляются в облако из соображений конфиденциальности или защиты суверенитета данных.

  • Снижение операционных затрат: обучение моделей машинного обучения в облаке, а затем их оценка локально на устройствах Windows может обеспечить значительную экономию затрат на пропускную способность, а также только минимальные данные, отправленные в облако, как это может потребоваться для постоянного улучшения модели машинного обучения. Кроме того, при развертывании модели машинного обучения в сценарии с использованием сервера разработчики могут применять аппаратное ускорение Windows ML, чтобы ускорить обслуживание модели и сократить число компьютеров для обработки рабочей нагрузки.

Модели машинного обучения

Моделью машинного обучения называется файл, который обучен распознаванию определенных типов закономерностей. Вы обучаете модель на основе набора данных, предоставляя ей алгоритм, который она может использовать для анализа и обучения на основе этих данных.

Завершив обучение модели, вы сможете применить ее для принятия решений и выполнения прогнозов по данным, которые ранее не встречались. Предположим, вам нужно создать приложение для распознавания эмоций пользователя по его выражению лица. Вы можете обучить модель по набору изображений лиц, каждое из которых отмечено тегом определенной эмоции, а затем применить эту модель в приложении для распознавания эмоций пользователя. См. пример Emoji8, чтобы ознакомиться с примером такого приложения, или изучите статью Что такое модель машинного обучения, чтобы узнать больше.

Windows Machine Learning использует для своих моделей формат ONNX (Open Neural Network Exchange). Вы можете скачать предварительно обученную модель или обучить собственную. Дополнительные сведения о получении моделей ONNX для Windows ML см. в этой статье.

Начать

Дополнительные сведения о разных способах внедрения Windows Machine Learning в приложение см. на нашей странице начала работы.

Хотите создать приложение с помощью Windows Machine Learning? Изучите учебники по WinML, чтобы узнать о разных способах обучения модели и внедрить ее в свое приложение WinML.

Вопросы и ответы

Хотите узнать больше о решениях машинного обучения и доступных вариантах? Полный обзор доступных вариантов см. в статье Сравнение решений ИИ или узнайте больше в вопросах и ответах по WinML.

Примечание.

Используйте следующие ресурсы для получения справки по машинному обучению в Windows:

  • Чтобы задать технические вопросы о машинном обучении в Windows или ответить на них, используйте тег windows-machine-learning в Stack Overflow.
  • Сообщить об ошибке можно в нашем репозитории GitHub.