Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Important
Zie Wat is Windows ML voor de nieuwste documentatie over Windows Machine Learning. In deze documentatie worden API's beschreven die zich in de Microsoft.Windows.AI.MachineLearning-naamruimte bevinden, die wordt geleverd in de Windows App SDK. Deze API's vervangen de API's die hier worden beschreven, die zich in de Windows.AI.MachineLearning-naamruimte bevinden en zijn verzonden in 2018.
Er zijn verschillende manieren om Windows Machine Learning in uw app te gebruiken. In de kern hebt u slechts een paar eenvoudige stappen nodig.
Haal een getraind OnNX-model (Open Neural Network Exchange) op of converteer modellen die zijn getraind in andere ML-frameworks in ONNX met ONNXMLTools.
Voeg het ONNX-modelbestand toe aan uw toepassing of maak het op een andere manier beschikbaar op het doelapparaat.
Integreer het model in uw toepassingscode en bouw en implementeer de toepassing.
In-box versus NuGet WinML-oplossingen
In de onderstaande tabel worden de aspecten beschikbaarheid, distributie, taalondersteuning, onderhoud en vooruitwaartse compatibiliteit van het In-Box- en NuGet-pakket voor Windows ML uitgelicht.
| Properties | In-Box | NuGet |
|---|---|---|
| Availability | Windows 10 versie 1809 of hoger | Windows 8.1 of hoger |
| Distribution | Ingebouwd in de Windows SDK | Verpakken en distribueren als onderdeel van uw toepassing |
| Servicing | Microsoft-gestuurd (klanten profiteren automatisch) | Developer-driven |
| Forward compatibility | Automatisch vooruitrollen met nieuwe functies | Ontwikkelaars moeten het pakket handmatig bijwerken |
Wanneer uw toepassing wordt uitgevoerd met de in-box-oplossing, evalueert de Windows ML-runtime (die de ONNX Model Deductie-engine bevat) het getrainde model op het Windows 10-apparaat (of Windows Server 2019 als het gaat om een serverimplementatie). Windows ML verwerkt de hardwareabstractie, zodat ontwikkelaars zich kunnen richten op een breed scala aan silicium, waaronder CPU's, GPU's en, in de toekomst, AI-accelerators. Windows ML-hardwareversnelling is gebouwd op DirectML, een krachtige, lage API voor het uitvoeren van ML-deducties die deel uitmaken van de DirectX-serie.
Voor het NuGet-pakket worden deze lagen weergegeven als binaire bestanden die worden weergegeven in het onderstaande diagram. Windows ML is ingebouwd in de Microsoft.ai.machinelearning.dll. Het bevat geen ingesloten ONNX-runtime, maar de ONNX-runtime is ingebouwd in het bestand: onnxruntime.dll. De versie die is opgenomen in de WindowsAI NuGet-pakketten bevat een DirectML EP dat erin is ingesloten. Het uiteindelijke binaire bestand, DirectML.dll, is de daadwerkelijke platformcode als DirectML en is gebouwd op de Direct 3D- en rekenstuurprogramma's die zijn ingebouwd in Windows. Alle drie deze binaire bestanden zijn opgenomen in de NuGet-releases die u samen met uw toepassingen kunt distribueren.
Directe toegang tot de onnxruntime.dll stelt u ook in staat om scenario's op meerdere platforms te richten en tegelijkertijd dezelfde hardwareagnostische versnelling te krijgen die op alle Windows-apparaten wordt geschaald.
Andere machine learning-oplossingen van Microsoft
Microsoft biedt diverse machine learning-oplossingen die aan uw behoeften voldoen. Deze oplossingen worden uitgevoerd in de cloud, on-premises en lokaal op het apparaat. Zie Wat zijn de machine learning-productopties van Microsoft? voor meer informatie.
Learn more
Als u het Windows ML NuGet-pakket wilt gebruiken, raadpleegt u zelfstudie: Een bestaande WinML-app overzetten naar NuGet-pakket.
Zie onze opmerkingen bij de release voor de nieuwste Windows ML-functies en -oplossingen.
Note
Gebruik de volgende bronnen voor hulp bij Windows ML:
- Als u technische vragen over Windows ML wilt stellen of beantwoorden, gebruikt u de tag windows-machine learning op Stack Overflow.
- Als u een fout wilt melden, kunt u een ticket aanmaken op onze GitHub-pagina .