Nuta
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować się zalogować lub zmienić katalog.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Usługa Windows Machine Learning może być używana w różnych rozwiązaniach do dostosowywania aplikacji. W tym miejscu udostępniamy kilka pełnych samouczków dotyczących tworzenia modelu uczenia maszynowego na podstawie różnych potencjalnych usług niezwiązanych z kodem lub programowymi oraz integrowania ich z podstawową aplikacją uczenia maszynowego systemu Windows. Ponadto omówiono kilka zaawansowanych metod dostosowywania funkcjonalności aplikacji. Jeśli szukasz tylko podstawowego wprowadzenia do korzystania z API z istniejącym modelem lub jeśli chcesz zapoznać się z naszymi przykładami, zapoznaj się z linkami poniżej.
Samouczki dotyczące pełnej aplikacji
W poniższych samouczkach omówiono tworzenie modelu uczenia maszynowego oraz sposób dołączania go do aplikacji systemu Windows 10 z systemem Windows ML.
Środowisko szkoleniowe bez kodu
Chcesz użyć istniejącego narzędzia do wytrenowania modelu uczenia maszynowego? W tych samouczkach opisano kompleksowe wskazówki dotyczące tworzenia aplikacji uczenia maszynowego systemu Windows przy użyciu modeli wytrenowanych przez istniejące usługi.
Klasyfikacja obrazów przy użyciu usług Custom Vision i Windows ML
Dowiedz się, jak za pomocą usługi Azure Custom Vision wytrenować model klasyfikacji obrazów i wdrożyć ten model w aplikacji uczenia maszynowego systemu Windows w celu uruchamiania lokalnego na maszynie.
Klasyfikacja obrazów przy użyciu ML.NET i uczenia maszynowego systemu Windows
Dowiedz się, jak za pomocą rozszerzenia ML.NET Model Builder programu Visual Studio utworzyć model ONNX i wdrożyć ten model w aplikacji uczenia maszynowego systemu Windows w celu uruchamiania lokalnego na maszynie.
Środowisko trenowania kodu
W tych samouczkach opisano sposoby tworzenia własnego kodu w celu wytrenowania modelu uczenia maszynowego systemu Windows zamiast używania istniejącej usługi.
Klasyfikacja obrazów za pomocą bibliotekI PyTorch i Windows ML
Dowiedz się, jak zainstalować rozwiązanie PyTorch na maszynie, jak używać go do trenowania modelu klasyfikacji obrazów, sposobu konwertowania tego modelu na format ONNX oraz sposobu wdrażania go w aplikacji ml systemu Windows w celu uruchamiania lokalnego na maszynie.
Analiza danych za pomocą narzędzi PyTorch i Windows ML
Dowiedz się, jak zainstalować rozwiązanie PyTorch na maszynie, jak używać go do trenowania modelu analizy danych, sposobu konwertowania tego modelu na format ONNX oraz sposobu wdrażania go w aplikacji ML systemu Windows w celu uruchamiania lokalnego na maszynie.
Wykrywanie obiektów za pomocą biblioteki TensorFlow i Windows ML
Dowiedz się, jak zainstalować bibliotekę TensorFlow na maszynie, zaimplementować uczenie transferowe przy użyciu architektury YOLO, przekonwertować go na model na ONNX i wdrożyć go w aplikacji systemu Windows ML w celu uruchamiania lokalnego na maszynie.
Funkcje zaawansowane:
Jeśli chcesz użyć pakietu NuGet uczenia maszynowego systemu Windows, zobacz Samouczek: przenoszenie istniejącej aplikacji uczenia maszynowego systemu Windows do pakietu NuGet.
Aby zapoznać się z najnowszymi funkcjami i poprawkami uczenia maszynowego systemu Windows, zobacz nasze informacje o wersji.
Ważne
PyTorch, logo PyTorch i wszelkie powiązane znaki towarowe są znakami towarowymi Facebook, Inc. TensorFlow, logo TensorFlow i wszelkie powiązane znaki towarowe są znakami towarowymi Google Inc.
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 .