Windows 机器学习可用于对表格数据集运行预测，基于独立的输入变量预测数值。 本指南使用 Excel 格式的特定数据集，但概述的过程适用于使用所选表格数据集的任何相关任务。
本指南介绍如何使用 PyTorch 库通过神经网络解决分类任务，将模型导出到 ONNX 格式，并将其部署到 Windows 设备上本地运行的 Windows 机器学习应用程序中。
需要 Python 和 C# 编程语言的基础知识。 以前在机器学习方面的经验是可取的，但不是必需的。
若要直接转到安装，请参阅 “安装 PyTorch”。
如果已设置 PyTorch，请 通过获取数据启动模型训练过程。
准备好处理数据后，可以开始 训练模型，然后将其 转换为 ONNX 格式。
如果你有 ONNX 模型，并且想要了解如何从头开始创建 WinML 应用，请导航到 部署模型。
注释
如果需要，可以克隆 Windows 机器学习示例存储库并运行本教程的完整代码。 可在此处找到 PyTorch 训练解决方案，也可以在此处找到 完整的 Windows ML 应用。 如果使用 PyTorch 文件，请确保在运行 PyTorch 之前设置相关的 PyTorch 解释器。
情景
在本教程中，我们将创建一个机器学习数据分析应用程序来预测虹膜花的类型。 为此，你将使用 Fisher 的虹膜花数据集。 将训练该模型，使其能够识别某些类型的鸢尾花图案并预测正确的类型。
PyTorch 的先决条件 - 模型训练：
以下 Windows 分发版支持 PyTorch：
- Windows 7 及更高版本。 建议使用 Windows 10 或更高版本。
- Windows Server 2008 r2 及更高版本
若要在 Windows 上使用 Pytorch，必须安装 Python 3.x。 不支持 Python 2.x。
Windows ML 应用部署的先决条件
若要创建和部署 WinML 应用，需要满足以下条件：
- Windows 10 版本 1809（内部版本 17763）或更高版本。 可以查看内部版本号，方法是通过 Run 命令
winver运行(Windows logo key + R)。 - 适用于版本 17763 或更高版本的 Windows SDK。 可以在此处获取 SDK。
- Visual Studio 2017 版本 15.7 或更高版本。 我们建议使用 Visual Studio 2019，如果改用 VS2017，本教程中的一些屏幕截图可能有所不同。 可在此处获取 Visual Studio。
- 还需要 在电脑上启用开发人员模式
注释
Windows ML API 内置于最新版本的 Windows 10（1809 或更高版本）和 Windows Server 2019 中。 如果目标平台是较旧版本的 Windows，可以将 WinML 应用移植到可再发行的 NuGet 包（Windows 8.1 或更高版本）。
后续步骤
重要
PyTorch、PyTorch 徽标和任何相关标记都是 Facebook， Inc 的商标。