使用英语阅读

通过


Windows 机器学习教程

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,其中内容涵盖了如何通过各种潜在的非代码或编程服务创建机器学习模型,以及如何将其集成到基本的 Windows ML 应用中。 此外,还介绍了用于几种调整应用功能的高级方法。 如果只需大致了解现有模型的 API 用法或者想要查看示例,请查看下面的更多链接。

完整的应用教程

以下教程介绍了如何创建机器学习模型,以及如何使用 Windows ML 将其合并到 Windows 10 应用中。

无代码训练环境

想使用现有实用程序来训练机器学习模型吗? 这些教程涵盖了关于如何使用由现有服务训练的模型创建 Windows ML 应用的端到端演练。

Successful image classification with Custom Vision

使用自定义视觉和 Windows ML 进行图像分类

了解如何使用 Azure 自定义视觉服务来训练图像分类模型,并将该模型部署在 Windows ML 应用程序中,以便在计算机上本地运行。

ML .NET placeholder image

使用 ML.NET 和 Windows ML 进行图像分类

了解如何使用 ML.NET Model Builder Visual Studio 扩展来创建 ONNX 模型并将该模型部署在 Windows ML 应用程序中,以便在计算机上本地运行。

代码训练环境

这些教程介绍了如何创建自己的代码(而不是使用已有的服务)来训练 Windows ML 模型。

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,以及如何将模型部署在 Windows ML 应用程序中,以便在计算机上本地运行。

Successful classification with PyTorch

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,以及如何将模型部署在 Windows ML 应用程序中,以便在计算机上本地运行。

PyTorch logo

使用 TensorFlow 和 Windows ML 进行物体检测

了解如何在计算机上安装 TensorFlow、使用 YOLO 体系结构实现迁移学习、将模型转换为 ONNX,以及如何将模型部署在 Windows ML 应用程序中,以便在计算机上本地运行。

TensorFlow logo

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 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是 Facebook, Inc. 的商标。TensorFlow、TensorFlow 徽标和任何相关标记是 Google Inc. 的商标。

备注

使用以下资源可获取有关 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。