Självstudier om Windows Machine Learning

Windows Machine Learning kan användas i en mängd olika anpassningsbara applösningar. Här tillhandahåller vi flera fullständiga självstudier som beskriver hur du skapar en Machine Learning-modell från en mängd olika potentiella icke-kodade eller programmatiska tjänster och integrerar dem i en grundläggande Windows ML-app. Dessutom går vi igenom flera avancerade metoder för att justera appens funktioner. Och om du bara letar efter en grundläggande introduktionsanvändning av API:erna med en befintlig modell, eller om du vill kolla in våra exempel, kan du kolla in ytterligare länkar nedan.

Fullständiga handledningar för appar

Följande självstudier beskriver hur du skapar en Machine Learning-modell och hur du införlivar den i en Windows 10-app med Windows ML.

Träningsmiljö utan kod

Vill du använda ett befintligt verktyg för att träna en maskininlärningsmodell? Dessa handledningar täcker genomgångar från början till slut om hur du skapar Windows ML-appar med modeller som tränats av existerande tjänster.

Bildklassificering med Custom Vision och Windows ML

Lär dig hur du använder Azure Custom Vision-tjänsten för att träna en modell för bildklassificering och distribuera modellen i ett Windows ML-program för att köras lokalt på datorn.

Bildklassificering med ML.NET och Windows ML

Lär dig hur du använder ML.NET Model Builder Visual Studio-tillägget för att skapa en ONNX-modell och distribuera modellen i ett Windows ML-program som ska köras lokalt på datorn.

Kodträningsmiljö

De här självstudierna beskriver hur du skapar din egen kod för att träna en Windows ML-modell i stället för att använda en befintlig tjänst.

Bildklassificering med PyTorch och Windows ML

Lär dig hur du installerar PyTorch på datorn, hur du använder den för att träna en bildklassificeringsmodell, hur du konverterar modellen till ONNX-formatet och hur du distribuerar den i ett Windows ML-program för att köras lokalt på datorn.

Dataanalys med PyTorch och Windows ML

Lär dig hur du installerar PyTorch på datorn, hur du använder den för att träna en dataanalysmodell, hur du konverterar modellen till ONNX-formatet och hur du distribuerar den i ett Windows ML-program för att köras lokalt på datorn.

Objektidentifiering med TensorFlow och Windows ML

Lär dig hur du installerar TensorFlow på datorn, implementerar överföringsinlärning med YOLO-arkitekturen, konverterar till modellen till ONNX och distribuerar den i ett Windows ML-program som körs lokalt på datorn.

Avancerade funktioner:

Om du vill använda Windows ML NuGet-paketet kan du läsa Självstudie: Porta en befintlig Windows ML-app till NuGet-paketet.

De senaste funktionerna och korrigeringarna i Windows ML finns i våra versionsanteckningar.

Viktigt!

PyTorch, PyTorch-logotypen och alla relaterade märken är varumärken som tillhör Facebook, Inc. TensorFlow, TensorFlow-logotypen och alla relaterade märken är varumärken som tillhör Google Inc.

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 .