Windows uygulamalarında yapay zeka kullanma hakkında Sık Sorulan Sorular

Yapay zekayı Windows istemci uygulamamla nasıl tümleştirebilirim?

Yapay zekayı Windows uygulamanıza tümleştirme iki birincil yöntemle elde edilebilir: yerel model veya bulut tabanlı model. Yerel model seçeneği için, TensorFlow veya PyTorch gibi platformları kullanarak önceden var olan bir modeli kullanma veya kendi modelinizi eğitme ve ardından OnnxRuntime aracılığıyla bunu uygulamanıza ekleme olanağına sahip olursunuz. Windows üzerinde Microsoft Foundry, OCR veya Phi Silica modelini kullanma gibi çeşitli işlevler için API'ler sunar. Öte yandan, modelinizi bulutta barındırmak ve buna REST API aracılığıyla erişmek, yoğun kaynak kullanımlı görevleri buluta devrederek uygulamanızın sorunsuz kalmasını sağlar. Daha fazla bilgi için bkz. Windows uygulamanızda Machine Learning modelleri kullanma.

Yapay zeka özelliklerini kullanmak için en son Windows 11 sürümüne ve NPU'ya sahip bir Copilot+ PC ihtiyacım var mı?

Yapay zeka iş yüklerini çalıştırmanın birçok yolu vardır, hem modelleri Windows cihazınıza yerel olarak yükleyip çalıştırarak hem de bulut tabanlı modelleri çalıştırarak (bkz. AI ile Windows'da çalışmaya başlama), ancak Windows AI API'leri tarafından desteklenen yapay zeka özellikleri şu anda bir NPU ile Copilot+ PC gerektirir.

Windows istemci uygulamalarında yapay zeka geliştirmek için en iyi programlama dilleri hangisidir?

Tercih ettiğiniz herhangi bir programlama dilini kullanabilirsiniz. Örneğin, C# Windows istemci uygulamaları oluşturmak için yaygın olarak kullanılır. Düşük düzeyli ayrıntılar üzerinde daha fazla denetime ihtiyacınız varsa, C++ mükemmel bir seçenektir. Alternatif olarak, Python kullanmayı da düşünebilirsiniz. Windows üzerinde Linux tabanlı yapay zeka araçlarını çalıştırmak için Linux için Windows Alt Sistemi (WSL) de kullanabilirsiniz.

Windows istemci uygulamaları için en iyi yapay zeka çerçeveleri nelerdir?

OnnxRuntime kullanmanızı öneririz.

Windows istemci uygulamalarında yapay zeka kullanırken veri gizliliği ve güvenliğini nasıl işlemem gerekir?

Yapay zeka destekli uygulamalar geliştirirken kullanıcı verilerinin gizliliğine ve güvenliğine saygı gösterin. Veri toplamadan önce hassas verileri şifreleme, güvenli bağlantılar kullanma ve kullanıcı onayı alma gibi veri işleme için en iyi yöntemleri izlemeniz gerekir. Ayrıca verileri nasıl kullandığınız konusunda şeffaf olmanız ve kullanıcılara verileri üzerinde denetim sahibi olmanız gerekir. Windows üzerinde Sorumlu Üretken Yapay Zeka Uygulamaları ve Özellikler Geliştirme'yi de okuduğunuzdan emin olun.

Windows istemci uygulamalarında yapay zeka çalıştırmaya yönelik sistem gereksinimleri nelerdir?

Yapay zeka kullanan Windows uygulamaları için sistem gereksinimleri, yapay zeka modelinin karmaşıklığı ve kullanılan donanım hızlandırmaya bağlıdır. Basit modeller için modern bir CPU yeterli olabilir, ancak daha karmaşık modeller için GPU veya NPU gerekebilir. Ayrıca uygulamanızın bellek ve depolama gereksinimlerinin yanı sıra bulut tabanlı yapay zeka hizmetleri için gereken ağ bant genişliğini de göz önünde bulundurmalısınız.

Windows istemci uygulamalarında yapay zeka performansını iyileştirme

Windows uygulamalarında yapay zeka performansını iyileştirmek için model çıkarımlarını hızlandırmak için GPU'lar veya NPU'lar gibi donanım hızlandırmayı kullanmayı düşünmelisiniz. Windows Copilot+ dizüstü bilgisayarlar yapay zeka iş yükleri için iyileştirilmiştir ve yapay zeka görevleri için önemli bir performans artışı sağlayabilir. Ayrıca Visual Studio Code için Foundry Toolkit genel bakışını okuyun.

Windows istemci uygulamamda önceden eğitilmiş yapay zeka modellerini kullanabilir miyim?

Evet, Windows uygulamanızda önceden eğitilmiş yapay zeka modellerini kullanabilirsiniz. Önceden eğitilmiş modelleri İnternet'ten indirebilir veya önceden eğitilmiş modellere erişmek için bulut tabanlı bir yapay zeka hizmeti kullanabilirsiniz. Ardından, OnnxRuntime gibi bir çerçeve kullanarak bu modelleri uygulamanızla tümleştirebilirsiniz.

DirectML nedir?

DirectML, AMD, Intel, NVIDIA ve Qualcomm gibi satıcıların tüm DirectX 12 özellikli GPU'ları da dahil olmak üzere çok çeşitli desteklenen donanım ve sürücüler genelinde yaygın makine öğrenmesi görevleri için GPU hızlandırma sağlayan düşük düzeyli bir makine öğrenmesi API'sidir.

Cihazımda ne tür CPU, GPU veya NPU olduğunu nasıl öğrenebilirim?

Windows cihazınızdaKI CPU, GPU veya NPU'nun türünü ve nasıl performans sergilediğini denetlemek için Görev Yöneticisi'ni (Ctrl + Shift + Esc) açın, ardından Performance sekmesini seçin; makinenizin CPU, Bellek, Wi-Fi, GPU ve/veya NPU'sunun yanı sıra hızıyla ilgili bilgileri de görebilirsiniz. kullanım oranı ve diğer veriler.

Windows ML nedir?

Windows ML (Machine Learning), uygulamanızın ONNX Runtime'ın (ORT) sistem genelinde paylaşılan bir kopyasını kullanmasına olanak tanır ve satıcıya özgü yürütme sağlayıcılarını (EP'ler) dinamik olarak indirme desteği ekleyerek, uygulamanızın ağır çalışma zamanlarını veya EP'leri kendisinin taşımmasını gerektirmeden, model çıkarımının Windows ekosistemindeki çok çeşitli CPU'lar, GPU'lar ve NPU'lar genelinde optimize edilmesini sağlar.

Yapay zekayı Windows uygulamanıza tümleştirme iki birincil yöntemle elde edilebilir: yerel model veya bulut tabanlı model. Yerel model seçeneği için, TensorFlow veya PyTorch gibi platformları kullanarak önceden var olan bir modeli kullanma veya kendi modelinizi eğitme ve ardından OnnxRuntime aracılığıyla bunu uygulamanıza ekleme olanağına sahip olursunuz. Windows üzerinde Microsoft Foundry, OCR veya Phi Silica modelini kullanma gibi çeşitli işlevler için API'ler sunar. Öte yandan, modelinizi bulutta barındırmak ve buna REST API aracılığıyla erişmek, yoğun kaynak kullanımlı görevleri buluta devrederek uygulamanızın sorunsuz kalmasını sağlar. Daha fazla bilgi için bkz. Windows uygulamanızda Machine Learning modelleri kullanma.

Yapay zeka iş yüklerini çalıştırmanın birçok yolu vardır, hem modelleri Windows cihazınıza yerel olarak yükleyip çalıştırarak hem de bulut tabanlı modelleri çalıştırarak (bkz. AI ile Windows'da çalışmaya başlama), ancak Windows AI API'leri tarafından desteklenen yapay zeka özellikleri şu anda bir NPU ile Copilot+ PC gerektirir.

Tercih ettiğiniz herhangi bir programlama dilini kullanabilirsiniz. Örneğin, C# Windows istemci uygulamaları oluşturmak için yaygın olarak kullanılır. Düşük düzeyli ayrıntılar üzerinde daha fazla denetime ihtiyacınız varsa, C++ mükemmel bir seçenektir. Alternatif olarak, Python kullanmayı da düşünebilirsiniz. Windows üzerinde Linux tabanlı yapay zeka araçlarını çalıştırmak için Linux için Windows Alt Sistemi (WSL) de kullanabilirsiniz.

OnnxRuntime kullanmanızı öneririz.

Yapay zeka destekli uygulamalar geliştirirken kullanıcı verilerinin gizliliğine ve güvenliğine saygı gösterin. Veri toplamadan önce hassas verileri şifreleme, güvenli bağlantılar kullanma ve kullanıcı onayı alma gibi veri işleme için en iyi yöntemleri izlemeniz gerekir. Ayrıca verileri nasıl kullandığınız konusunda şeffaf olmanız ve kullanıcılara verileri üzerinde denetim sahibi olmanız gerekir. Windows üzerinde Sorumlu Üretken Yapay Zeka Uygulamaları ve Özellikler Geliştirme'yi de okuduğunuzdan emin olun.

Yapay zeka kullanan Windows uygulamaları için sistem gereksinimleri, yapay zeka modelinin karmaşıklığı ve kullanılan donanım hızlandırmaya bağlıdır. Basit modeller için modern bir CPU yeterli olabilir, ancak daha karmaşık modeller için GPU veya NPU gerekebilir. Ayrıca uygulamanızın bellek ve depolama gereksinimlerinin yanı sıra bulut tabanlı yapay zeka hizmetleri için gereken ağ bant genişliğini de göz önünde bulundurmalısınız.

Windows uygulamalarında yapay zeka performansını iyileştirmek için model çıkarımlarını hızlandırmak için GPU'lar veya NPU'lar gibi donanım hızlandırmayı kullanmayı düşünmelisiniz. Windows Copilot+ dizüstü bilgisayarlar yapay zeka iş yükleri için iyileştirilmiştir ve yapay zeka görevleri için önemli bir performans artışı sağlayabilir. Ayrıca Visual Studio Code için Foundry Toolkit genel bakışını okuyun.

Evet, Windows uygulamanızda önceden eğitilmiş yapay zeka modellerini kullanabilirsiniz. Önceden eğitilmiş modelleri İnternet'ten indirebilir veya önceden eğitilmiş modellere erişmek için bulut tabanlı bir yapay zeka hizmeti kullanabilirsiniz. Ardından, OnnxRuntime gibi bir çerçeve kullanarak bu modelleri uygulamanızla tümleştirebilirsiniz.

DirectML, AMD, Intel, NVIDIA ve Qualcomm gibi satıcıların tüm DirectX 12 özellikli GPU'ları da dahil olmak üzere çok çeşitli desteklenen donanım ve sürücüler genelinde yaygın makine öğrenmesi görevleri için GPU hızlandırma sağlayan düşük düzeyli bir makine öğrenmesi API'sidir.

Windows cihazınızdaKI CPU, GPU veya NPU'nun türünü ve nasıl performans sergilediğini denetlemek için Görev Yöneticisi'ni (Ctrl + Shift + Esc) açın, ardından Performance sekmesini seçin; makinenizin CPU, Bellek, Wi-Fi, GPU ve/veya NPU'sunun yanı sıra hızıyla ilgili bilgileri de görebilirsiniz. kullanım oranı ve diğer veriler.

Windows ML (Machine Learning), uygulamanızın ONNX Runtime'ın (ORT) sistem genelinde paylaşılan bir kopyasını kullanmasına olanak tanır ve satıcıya özgü yürütme sağlayıcılarını (EP'ler) dinamik olarak indirme desteği ekleyerek, uygulamanızın ağır çalışma zamanlarını veya EP'leri kendisinin taşımmasını gerektirmeden, model çıkarımının Windows ekosistemindeki çok çeşitli CPU'lar, GPU'lar ve NPU'lar genelinde optimize edilmesini sağlar.