Nuta
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować się zalogować lub zmienić katalog.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
RepozytoriumMachine-Learning systemu Windows w witrynie GitHub zawiera przykładowe aplikacje, które pokazują, jak korzystać z usługi Windows Machine Learning, a także narzędzia ułatwiające weryfikowanie modeli i rozwiązywanie problemów podczas programowania.
Przykłady
Następujące przykładowe aplikacje są dostępne w witrynie GitHub.
| Nazwa | Opis |
|---|---|
| Wybór adaptera (Win32 C++) | Aplikacja desktopowa, która pokazuje, jak wybrać konkretną kartę urządzenia do uruchamiania modelu. |
| BatchSupport | Pokazuje, jak powiązać i ocenić partie danych wejściowych za pomocą usługi Windows ML. |
| Przykład operatora niestandardowego (Win32 C++) | Aplikacja desktopowa, która definiuje wiele niestandardowych operatorów CPU. Jednym z nich jest operator debugowania, który można zintegrować z własnym przepływem pracy. |
| Niestandardowa tensoryzacja (Win32 C++) | Pokazuje, jak tensoryzować obraz wejściowy przy użyciu interfejsów API uczenia maszynowego systemu Windows na procesorze CPU i procesorze GPU. |
| Custom Vision (UWP C#) | Pokazuje, jak wytrenować model ONNX w chmurze przy użyciu usługi Custom Vision i zintegrować go z aplikacją z systemem Windows ML. |
| Emotikony8 (UWP C#) | Pokazuje, jak można używać systemu Windows ML do obsługi zabawnej aplikacji do wykrywania emocji. |
| Transfer stylu FNS (UWP C#) | Używa modelu transferu stylu FNS-Candy do ponownego stylizowania obrazów lub strumieni wideo. |
| MNIST (UWP C#/C++) | Odpowiada Samouczek: Tworzenie aplikacji UWP Windows uczenia maszynowego (C#). Zacznij od podstawy i zapoznaj się z samouczkiem lub uruchom ukończony projekt. |
| NazwanedimensionOverrides | Pokazuje, jak zastąpić nazwane wymiary konkretnymi wartościami, aby zoptymalizować wydajność modelu. |
| Identyfikator płaszczyzny (UWP C#, WPF C#) | Używa wstępnie wytrenowanego modelu uczenia maszynowego wygenerowanego przy użyciu usługi Custom Vision na platformie Azure, aby wykryć, czy dany obraz zawiera określony obiekt: płaszczyznę. |
| Sieć RustSqueezeNet | Projekcja Rust na WinRT przy użyciu SqueezeNet. |
| Wykrywanie obiektów SqueezeNet (Win32 C++, UWP C#/JavaScript, . NET5, . NETCORE) | Używa aplikacji SqueezeNet, wstępnie wytrenowanego modelu uczenia maszynowego, aby wykryć dominujący obiekt na obrazie wybranym przez użytkownika z pliku. |
| Wykrywanie obiektów SqueezeNet (Usługa Azure IoT Edge w systemie Windows, C#) | Jest to przykładowy moduł pokazujący sposób uruchamiania wnioskowania uczenia maszynowego z systemem Windows w module usługi Azure IoT Edge uruchomionym w systemie Windows. Obrazy są dostarczane przez podłączoną kamerę, zanalizowane za pomocą modelu SqueezeNet i wysyłane do IoT Hub. |
| StreamFromResource | Pokazuje, jak pobrać zasób osadzony zawierający model ONNX i przekonwertować go na strumień, który można przekazać do konstruktora LearningModel. |
| TransferStyl (C#) | Aplikacja platformy UWP, która wykonuje transfer stylów na obrazach wejściowych udostępnionych przez użytkownika lub strumieniach z kamery internetowej. |
| winml_tracker (ROS C++) | Węzeł ROS (Robot Operating System), który używa systemu Windows ML do śledzenia osób (lub innych obiektów) w ramkach aparatu. |
Uwaga / Notatka
Skorzystaj z następujących zasobów, aby uzyskać pomoc dotyczącą uczenia maszynowego z systemem Windows:
- Aby zadać lub odpowiedzieć na pytania techniczne dotyczące uczenia maszynowego z systemem Windows, użyj tagu windows-machine-learning w witrynie Stack Overflow.
- Aby zgłosić usterkę, popełnij zgłoszenie na GitHubie .