共用方式為

Windows Machine Learning

  • 發行項

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：

  • 輕鬆開發： 使用最新版 Windows 10 和 Windows Server 2019 內建的 Windows ML，您只需要 Visual Studio 和已定型的 ONNX 模型，其可隨 Windows 應用程式一起散發。 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 ML 工作負載，並自動取得不同硬體廠商和晶片類型的高度優化效能，例如 CPU、GPU 和 AI 加速器。 此外，Windows ML 在支援硬體的範圍之間，保證一致的行為。

  • 低延遲、實時的結果： ML 模型可以使用 Windows 裝置的處理功能進行評估，以啟用大型數據磁碟區的本機即時分析，例如影像和視訊。 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 裝置上本機評估 ML 模型的選項可讓您解決更廣泛的案例。 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： 在雲端定型 ML 模型，然後在 Windows 裝置本機評估這些模型，可大幅節省頻寬成本，只需將最少的數據傳送至雲端，就可能需要持續改善 ML 模型。 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的檔案，可以辨識特定類型的模式。 您可以使用一組資料來將模型定型，為其提供演算法，使其可用於透過那些資料進行推理，並從中學習。

將模型定型之後，您可以使用模型對之前未曾看過的資料進行推理，並對這些資料進行預測。 例如，假設您想要建置一個應用程式，以根據使用者的臉部表情來辨識使用者的情緒。 您可以藉由提供臉部的影像並將其標記為特定情緒，將模型定型，然後您可以在可辨識任何使用者情緒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 Machine Learning 針對其模型使用 Open Neural Network Exchange (ONNX) 格式。 您可以下載預先定型的模型，也可以將您自己的模型定型。 如需詳細資訊，請參閱取得適用於 Windows ML 的 ONNX 模型。

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 ，以取得訓練模型的不同方式概觀，並將其併入您的 WinML 應用程式。

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。