Windows Machine Learning

Viktigt!

Den senaste dokumentationen om Windows Machine Learning finns i Vad är Windows ML. Den dokumentationen beskriver API:er som finns i namnområdet Microsoft.Windows.AI.MachineLearning , som levereras i Windows App SDK. Dessa API:er ersätter de som dokumenteras här, som finns i namnområdet Windows.AI.MachineLearning , och levererades 2018.

Implementera Machine Learning i dina Windows-appar med Hjälp av Windows ML – ett högpresterande och tillförlitligt API för att distribuera maskinvaruaccelererade ML-slutsatsdragningar på Windows-enheter.

Översikt

Windows ML är inbyggt i de senaste versionerna av Windows 11, Windows 10, Windows Server 2022 Windows Server 2019 och är även tillgängligt som ett NuGet-paket för lågnivå-räckvidd till Windows 8.1. Windows ML ger utvecklare följande fördelar:

• Enkel utveckling: Med Windows ML inbyggt i de senaste versionerna av Windows 11 och Windows Server 2022 behöver du bara Visual Studio och en tränad ONNX-modell som kan distribueras tillsammans med Windows-programmet. Om du behöver leverera dina AI-baserade funktioner till äldre versioner av Windows (ned till 8.1) är Windows ML också tillgängligt som ett NuGet-paket som du kan distribuera med ditt program.

• Brett maskinvarustöd: Med Windows ML kan du skriva ml-arbetsbelastningen en gång och automatiskt få mycket optimerad prestanda för olika maskinvaruleverantörer och kiseltyper, till exempel processorer, GPU:er och AI-acceleratorer. Dessutom garanterar Windows ML konsekvent beteende i olika typer av maskinvara som stöds.

• Resultat i realtid med låg svarstid: ML-modeller kan utvärderas med hjälp av Windows-enhetens bearbetningsfunktioner, vilket möjliggör lokal realtidsanalys av stora datavolymer, till exempel bilder och video. Resultaten är tillgängliga snabbt och effektivt för användning i prestandaintensiva arbetsbelastningar som spelmotorer eller bakgrundsuppgifter som indexering för sökning.

• Ökad flexibilitet: Med alternativet att utvärdera ML-modeller lokalt på Windows-enheter kan du hantera ett bredare spektrum av scenarier. Utvärdering av ML-modeller kan till exempel köras när enheten är offline eller när den ställs inför tillfälliga anslutningar. På så sätt kan du även hantera scenarier där inte alla data kan skickas till molnet på grund av sekretess- eller datasuveränitetsproblem.

• Minskade driftskostnader: Att träna ML-modeller i molnet och sedan utvärdera dem lokalt på Windows-enheter kan ge betydande besparingar i bandbreddskostnader, med endast minimala data som skickas till molnet , vilket kan behövas för kontinuerlig förbättring av ML-modellen. När du distribuerar ML-modellen i ett serverscenario kan utvecklarna dessutom använda Maskinvaruacceleration i Windows ML för att påskynda modellhantering, vilket minskar antalet datorer som behövs för att hantera arbetsbelastningen.

Maskininlärningsmodeller

En maskininlärningsmodell är en fil som har tränats att identifiera vissa typer av mönster. Du tränar en modell över en uppsättning data, vilket ger den en algoritm som den kan använda för att resonera över och lära sig av dessa data.

När du har tränat modellen kan du använda den för att resonera över data som den inte har sett tidigare och göra förutsägelser om dessa data. Anta till exempel att du vill skapa ett program som kan känna igen en användares känslor baserat på deras ansiktsuttryck. Du kan träna en modell genom att ge den bilder av ansikten som var och en taggas med en viss känsla, och sedan kan du använda modellen i ett program som kan känna igen alla användares känslor. Se Emoji8-exemplet för ett exempel på ett sådant program eller kolla in Vad är en maskininlärningsmodell för att lära dig mer.

Windows Machine Learning använder ONNX-formatet (Open Neural Network Exchange) för sina modeller. Du kan ladda ned en förtränad modell eller träna din egen modell. Mer information finns i Hämta ONNX-modeller för Windows ML .

Kom igång

Om du vill veta lite mer om de olika sätten att införliva Windows Machine Learning i din app kan du läsa vår komma igång-sida.

Vill du skapa din första app med Windows Machine Learning? Se WinML-självstudierna för att få en översikt över de olika sätten att träna en modell och införliva den i ditt WinML-program.

Vanliga frågor

Vill du veta mer om Machine Learning-lösningar och dina alternativ? En fullständig översikt över tillgängliga alternativ finns i Jämför AI-lösningar eller läs mer med Vanliga frågor och svar om WinML.

Anmärkning

Använd följande resurser för hjälp med Windows ML:

• Om du vill ställa eller besvara tekniska frågor om Windows ML använder du taggen windows-machine-learning på Stack Overflow.
• Om du vill rapportera en bugg, skicka in en felrapport på vår GitHub-sida .