Udostępnij przez

Klasyfikacja obrazów za pomocą bibliotekI PyTorch i Windows ML

Uwaga / Notatka

W celu zwiększenia funkcjonalności można również używać biblioteki PyTorch z językiem DirectML w systemie Windows.

Obraz nagłówka dla PyTorch

W tym samouczku pokazano, jak wytrenować model sieci neuronowej klasyfikacji obrazów przy użyciu rozwiązania PyTorch, wyeksportować model do formatu ONNX i wdrożyć go w aplikacji windows Machine Learning działającej 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 skonfigurowano już PyTorch, uruchom proces treningu modelu, uzyskując dane.

Gdy będziesz gotowy z danymi, możesz rozpocząć szkolenie modelu, a następnie przekonwertować go na format 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 stworzymy aplikację do klasyfikacji obrazów z użyciem uczenia maszynowego, która może działać na każdym urządzeniu z dowolną wersją systemu Windows. Model zostanie wytrenowany do rozpoznawania typów wzorców i będzie klasyfikować 10 etykiet obrazów z wybranego zestawu treningowego. 

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 winver Uruchom (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.
  • Rozszerzenie Visual Studio - Windows ML Code Generator (mlgen). Pobierz dla VS 2019 lub VS 2017.
  • 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 platformą docelową są starsze wersje systemu Windows, możesz przekonwertować swoją aplikację WinML na pakiet redystrybucyjny NuGet (dla Windows 8.1 lub nowszych).

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.

  • Last updated on