Windows Machine Learning

使用 Windows ML (這是一個高效能、可靠的 API,可在 Windows 裝置上部署硬體加速的 ML 推論) 在 Windows 應用程式中實作 Machine Learning。

Windows ML graphic

概觀

Windows ML 內建於 Windows 10 和 Windows Server 2019 的最新版本中,而且也可作為 NuGet 套件, 來使用以供下層延伸至 Windows 8.1。 Windows ML 為開發人員提供下列優點:

  • 方便開發: 使用內建至最新版本 Windows 10 和 Windows Server 2019 的 Windows ML,您需要的只有 Visual Studio 和定型 ONNX 模型,可以與 Windows 應用程式一起散佈。 此外,如果您需要將以 AI 為基礎的功能交付給傳遞至舊版的 Windows (向下至 8.1),則 Windows ML 也會以 NuGet 套件的形式提供,您可以與應用程式一起散發。

  • 廣泛的硬體支援: Windows ML 可讓您一次撰寫您的 ML 工作負載,並且在不同硬體廠商和晶片類型 (例如 CPU、GPU 和 AI 加速器) 之間,自動取得高度最佳化的效能。 此外,Windows ML 在支援硬體的範圍之間,保證一致的行為。

  • 低延遲、即時結果: 系統可以透過 Windows 裝置的處理功能來評估 ML 模型,達到大型資料磁碟區 (例如影像和影片) 的本機、即時分析。 結果可以有效率地快速取得,用於耗費大量效能的工作負載,例如遊戲引擎,或是例如搜尋索引編製的背景工作。

  • 增加彈性: 在 Windows 裝置本機上評估 ML 模型的選項,可讓您解決廣泛的案例。 例如,ML 模型的評估可以在裝置離線時執行,或者在遇到間歇性連線時執行。 也可以讓您解決由於隱私權或資料主權問題,而無法將所有資料都傳送到雲端的案例。

  • 降低營運成本: 在雲端中定型 ML 模型,然後在 Windows 裝置本機上進行評估,可以大幅節省頻寬成本,只需要將最少量的資料傳送到雲端,持續改善您的 ML 模型所需的資料。 此外,在伺服器案例中部署 ML 模型時,開發人員可以利用 Windows ML 硬體加速來加速模型服務,降低處理工作負載所需的機器數量。

機器學習模型

機器學習模型是已定型以辨識特定模式類型的檔案。 您可以使用一組資料訓練模型;提供演算法,以便模型用於推理這些資料,並從中學習。

定型模型之後,您可以使用模型來推斷之前未看到的資料,並針對這些資料進行預測。 例如,假設您想要建置應用程式,以根據其臉部運算式辨識使用者的表情。 您可以藉由提供臉部影像來定型模型,這些影像會以特定表情標記每個臉部,然後在可辨識任何使用者表情的應用程式中使用該模型。 如需這類應用程式的範例,請參閱 Emoji8 範例 ,或查看 什麼是機器學習模型 以深入瞭解。

Windows 機器學習會針對其模型使用開放式類神經網路Exchange (ONNX) 格式。 您可以下載預先定型的模型,也可以定型您自己的模型。 如需詳細資訊,請參閱取得 onNX 模型以取得Windows ML

開始使用

若要深入瞭解將Windows 機器學習併入您的應用程式的不同方式,請參閱我們的入門頁面

想要使用Windows 機器學習建立您的第一個應用程式嗎? 請參閱 WinML 教學課程 ,以取得定型模型之不同方式的概觀,並將其併入您的 WinML 應用程式中。

常見問題集

有興趣深入瞭解機器學習解決方案和選項嗎? 如需可用選項的完整概觀,請參閱 比較 AI 解決方案,或深入瞭解 WinML 常見問題

注意

使用下列資源取得 Windows ML 的說明:

  • 如需詢問或回答有關 Windows ML 的技術問題,請使用 Stack Overflow 上的 windows-machine-learning 標籤。
  • 如需回報錯誤 (bug),請在 GitHub 上提出問題。