Руководства по Windows Machine Learning
Использовать Windows Machine Learning может быть полезно во многих решениях настраиваемых приложений. Здесь мы перечислим несколько подробных руководств, в которых показано, как создавать модели машинного обучения из разнообразных служб, в том числе программных и не использующих код, а также интегрировать эти модели в простое приложение Windows ML. Кроме того, мы описали несколько более сложных методов, которые позволяют настроить функциональность приложения. Если же вам нужны только вводные данные об использовании API с существующей моделью или готовые примеры, см. ссылки ниже.
В этих руководствах описано, как создать модель машинного обучения и интегрировать ее в приложение Windows 10 с помощью Windows ML.
Хотите применить существующие служебные программы для обучения модели машинного обучения? В этих руководствах описано, как создавать приложения Windows ML с использованием моделей, обученных в других существующих службах.
Классификация изображений с помощью Пользовательского визуального распознавания и Windows ML
Узнайте, как с помощью службы Пользовательского визуального распознавания Azure обучить модель для классификации изображений и развернуть ее в приложении Windows ML для локального выполнения на компьютере.
Классификация изображений с помощью ML.NET и Windows ML
Узнайте, как с помощью расширения ML.NET Model Builder для Visual Studio создать модель ONNX и развернуть ее в приложении Windows ML для локального выполнения на компьютере.
В этих руководствах описано, как создать собственный код для обучения модели Windows ML вместо использования существующий службы.
Классификация изображений с помощью PyTorch и Windows ML
Узнайте, как установить PyTorch на локальном компьютере для обучения модели классификации изображений, как преобразовать эту модель в формат ONNX и развернуть ее в приложении Windows ML для локального выполнения на компьютере.
Анализ данных с помощью PyTorch и Машинного обучения Windows
Узнайте, как установить PyTorch на локальном компьютере для обучения модели анализа данных, как преобразовать эту модель в формат ONNX и развернуть ее в приложении Машинного обучения Windows для локального выполнения на компьютере.
Обнаружение объектов с помощью TensorFlow и Windows ML
Узнайте, как установить TensorFlow на локальном компьютере, как реализовать обучение переносом с использованием архитектуры YOLO, как преобразовать модель в формат ONNX и развернуть ее в приложении Windows ML для локального выполнения на компьютере.
Если вы хотите использовать пакет NuGet для Windows ML, см. статью Руководство. Перенос существующего приложения Windows ML в пакет NuGet.
Сведения о последних функциях и исправлениях в Windows ML см. в наших заметках о выпуске.
Важно!
PyTorch, логотип PyTorch и все связанные знаки являются товарными знаками Facebook, Inc. TensorFlow. Логотип TensorFlow и все связанные с ним знаки являются товарными знаками Google Inc.
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.