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 służyć do uruchamiania przewidywań na tabelarycznych zestawach danych, przewidywania wartości liczbowych na podstawie niezależnych zmiennych wejściowych. W tym przewodniku jest używany określony zestaw danych w formacie programu Excel, ale opisane procedury będą działać dla dowolnego powiązanego zadania przy użyciu wybranego tabelarycznego zestawu danych.
W tym przewodniku pokazano, jak rozwiązać zadanie klasyfikacji z siecią neuronową przy użyciu biblioteki PyTorch, wyeksportować model do formatu ONNX i wdrożyć go w aplikacji windows Machine Learning uruchomionej lokalnie na urządzeniu z systemem Windows.
Wymagana jest podstawowa wiedza na temat języków programowania Python i C#. Poprzednie doświadczenie w uczeniu maszynowym jest preferowane, ale nie jest wymagane.
Jeśli chcesz przejść bezpośrednio do instalacji, zobacz Instalowanie narzędzia PyTorch.
Jeśli skonfigurowaliśmy już usługę PyTorch, rozpocznij proces trenowania modelu, uzyskując dane.
Kiedy będziesz gotowy, aby pracować z danymi, możesz rozpocząć trenowanie modelu, a następnie przekonwertować go do formatu ONNX.
Jeśli masz model ONNX i chcesz dowiedzieć się, jak utworzyć aplikację WinML od podstaw, przejdź do wdrożenia modelu.
Uwaga / Notatka
Jeśli chcesz, możesz sklonować repozytorium przykładów usługi Windows Machine Learning i uruchomić ukończony kod na potrzeby tego samouczka. Rozwiązanie szkoleniowe PyTorch można znaleźć tutaj lub ukończoną aplikację Windows ML tutaj. Jeśli używasz pliku PyTorch, przed jego uruchomieniem upewnij się, że skonfigurowaliśmy odpowiedni interpreter PyTorch.
Scenariusz
W tym samouczku utworzymy aplikację do analizy danych za pomocą uczenia maszynowego w celu przewidywania gatunku irysów. W tym celu użyjesz zestawu danych z kwiatami irysów Fishera. Model zostanie wytrenowany w celu rozpoznawania niektórych typów wzorców irysów i przewidywania prawidłowego typu.
Wymagania wstępne dotyczące usługi PyTorch — trenowanie modelu:
Rozwiązanie PyTorch jest obsługiwane w następujących dystrybucjach systemu Windows:
- System Windows 7 lub nowszy. Zalecany system Windows 10 lub nowszy.
- Windows Server 2008 r2 i nowsze
Aby korzystać z narzędzia Pytorch w systemie Windows, musisz mieć zainstalowany język Python 3.x. Język Python 2.x nie jest obsługiwany.
Wymagania wstępne dotyczące wdrażania aplikacji windows ML
Aby utworzyć i wdrożyć aplikację WinML, potrzebne są następujące elementy:
- System Windows 10 w wersji 1809 (kompilacja 17763) lub nowszy. Numer wersji kompilacji można sprawdzić, uruchamiając polecenie
winverUruchom(Windows logo key + R). - Zestaw Windows SDK dla kompilacji 17763 lub nowszej. Zestaw SDK można uzyskać tutaj.
- Program Visual Studio 2017 w wersji 15.7 lub nowszej. Zalecamy używanie programu Visual Studio 2019, a niektóre zrzuty ekranu w tym samouczku mogą być inne, jeśli zamiast tego używasz programu VS2017. Program Visual Studio można uzyskać tutaj.
- Należy również włączyć tryb dewelopera na komputerze
Uwaga / Notatka
Interfejsy API uczenia maszynowego systemu Windows są wbudowane w najnowsze wersje systemów Windows 10 (1809 lub nowszych) i Windows Server 2019. Jeśli platforma docelowa to starsze wersje systemu Windows, możesz przenieść swoją aplikację WinML do redystrybucyjnego pakietu NuGet (Windows 8.1 lub nowszy).
Dalsze kroki
Zaczniemy od zainstalowania narzędzia PyTorch i skonfigurowania naszego środowiska
Ważne
PyTorch, logo PyTorch i wszelkie powiązane znaki towarowe są znakami towarowymi Facebooka, Inc.