Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Windows Machine Learning peut être utilisé pour exécuter des prédictions sur des jeux de données tabulaires, en prédisant des valeurs numériques basées sur des variables d’entrée indépendantes. Ce guide utilise un jeu de données spécifique au format Excel, mais les procédures décrites fonctionnent pour toute tâche associée à l’aide d’un jeu de données tabulaire de votre choix.
Ce guide vous montre comment résoudre une tâche de classification avec un réseau neuronal à l’aide de la bibliothèque PyTorch, exporter le modèle au format ONNX et le déployer dans une application Windows Machine Learning exécutée localement sur votre appareil Windows.
Les connaissances de base dans les langages de programmation Python et C# sont requises. L’expérience précédente dans le Machine Learning est préférable, mais pas nécessaire.
Si vous souhaitez passer directement à l’installation, consultez Installer PyTorch.
Si vous avez déjà configuré PyTorch, démarrez le processus d’entraînement du modèle en obtenant les données.
Une fois que vous êtes prêt à utiliser les données, vous pouvez commencer à entraîner votre modèle, puis le convertir au format ONNX.
Si vous disposez d’un modèle ONNX et que vous souhaitez apprendre à créer une application WinML à partir de zéro, accédez à déployer votre modèle.
Remarque
Si vous le souhaitez, vous pouvez cloner le référentiel d’exemples Windows Machine Learning et exécuter le code terminé pour ce didacticiel. Vous trouverez ici la solution d’entraînement PyTorch ou l’application Windows ML terminée ici. Si vous utilisez le fichier PyTorch, veillez à configurer l’interpréteur PyTorch approprié avant de l’exécuter.
Scénario
Dans ce tutoriel, nous allons créer une application d’analyse des données Machine Learning pour prédire le type de fleurs d’iris. À cet effet, vous allez utiliser le jeu de données de fleurs d’iris de Fisher. Le modèle sera entraîné pour reconnaître certains types de modèles d’iris et prédire le type correct.
Prérequis pour PyTorch - formation de modèles :
PyTorch est pris en charge sur les distributions Windows suivantes :
- Windows 7 et versions ultérieures. Windows 10 ou version ultérieure recommandée.
- Windows Server 2008 r2 et versions ultérieures
Pour utiliser Pytorch sur Windows, vous devez installer Python 3.x. Python 2.x n’est pas pris en charge.
Conditions préalables pour le déploiement d’applications Windows ML
Pour créer et déployer une application WinML, vous aurez besoin des éléments suivants :
- Windows 10 version 1809 (build 17763) ou ultérieure. Vous pouvez vérifier votre numéro de version de build en exécutant la commande Exécuter
winvervia(Windows logo key + R). - Kit de développement logiciel (SDK) Windows pour la build 17763 ou ultérieure. Vous pouvez obtenir le Kit de développement logiciel (SDK) ici.
- Visual Studio 2017 version 15.7 ou ultérieure. Nous vous recommandons d’utiliser Visual Studio 2019 et certaines captures d’écran de ce didacticiel peuvent être différentes si vous utilisez VS2017 à la place. Vous pouvez obtenir Visual Studio ici.
- Vous devez également activer le mode développeur sur votre PC
Remarque
Les API Windows ML sont intégrées aux dernières versions de Windows 10 (1809 ou version ultérieure) et Windows Server 2019. Si votre plateforme cible est des versions antérieures de Windows, vous pouvez porter votre application WinML vers le package NuGet redistribuable (Windows 8.1 ou version ultérieure) .
Étapes suivantes
Nous allons commencer par installer PyTorch et configurer notre environnement
Important
PyTorch, le logo PyTorch et toutes les marques connexes sont des marques de Facebook, Inc.