Windows 机器学习可用于各种可自定义的应用解决方案。 在这里，我们提供了几个完整的教程，介绍如何从各种潜在的非代码或编程服务创建机器学习模型，并将其集成到基本的 Windows ML 应用中。 此外，我们还介绍了多种高级方法来调整应用的功能。 如果只是想要通过现有模型使用 API 的基本介绍性用法，或者想要查看我们的示例，请查看下面的进一步链接。
完整的应用教程
以下教程介绍了如何创建机器学习模型，以及如何将其与 Windows ML 合并到 Windows 10 应用中。
无代码训练环境
想要使用现有实用工具来训练机器学习模型？ 这些教程介绍了如何使用现有服务训练的模型创建 Windows ML 应用的端到端演练。
了解如何使用 Azure 自定义视觉服务来训练模型进行图像分类，并在 Windows ML 应用程序中部署该模型以在本地在计算机上运行。
了解如何使用 ML.NET Model Builder Visual Studio 扩展创建 ONNX 模型并在 Windows ML 应用程序中部署该模型，以在计算机上本地运行。
代码训练环境
这些教程介绍了创建自己的代码来训练 Windows ML 模型的方法，而不是使用预先存在的服务。
使用 PyTorch 和 Windows ML 进行图像分类
了解如何在计算机上安装 PyTorch、如何使用它来训练图像分类模型、如何将该模型转换为 ONNX 格式，以及如何在 Windows ML 应用程序中部署它以在计算机上本地运行。
使用 PyTorch 和 Windows ML 进行数据分析
了解如何在计算机上安装 PyTorch、如何使用它来训练数据分析模型、如何将该模型转换为 ONNX 格式，以及如何在 Windows ML 应用程序中部署它以在计算机上本地运行。
使用 TensorFlow 和 Windows ML 进行对象检测
了解如何在计算机上安装 TensorFlow，使用 YOLO 体系结构实现传输学习，将模型转换为 ONNX，并将其部署到 Windows ML 应用程序中以在本地在计算机上运行。
高级功能：
如果要使用 Windows ML NuGet 包，请参阅 教程：将现有 Windows ML 应用移植到 NuGet 包。
有关最新的 Windows ML 功能和修补程序，请参阅我们的 发行说明。
重要
PyTorch、PyTorch 徽标和任何相关标记都是 Facebook、Inc. TensorFlow、TensorFlow 徽标和任何相关标记都是 Google Inc 的商标。
注释
使用以下资源获取有关 Windows ML 的帮助：
- 若要提出或回答有关 Windows ML 的技术问题，请在 Stack Overflow 上使用 windows-machine-learning 标记。
- 若要报告 bug，请在 GitHub 上提交问题。