Notas de lançamento

Esta página registra atualizações para o Windows ML nos builds mais recentes do SDK do Windows e do Pacote NuGet.

Pacote NuGet do Windows ML – Versão 1.9

• Baixe o NuGet aqui.
• Baseado no ONNX Runtime 1.9.
• WinML - A correção de dependência de DLL oferece suporte a modelos de aprendizado no Windows 8.1.

Pacote NuGet do Windows ML – Versão 1.8

• Baixe o NuGet aqui.
• Baseado no ONNX Runtime 1.8.
• Nova API WinML nativa. SetIntraOpThreadSpinning A API é usada para alternar o comportamento de rotação de thread IntraOp. Quando o recurso estiver habilitado e não houver carga de trabalho, os threads IntraOp continuarão a girar por mais algum tempo enquanto aguardam a conclusão do trabalho adicional. Isso pode resultar em um melhor desempenho para a carga de trabalho atual, mas pode afetar o desempenho de outras cargas de trabalho não relacionadas. Essa alternância é habilitada por padrão.

Pacote NuGet do Windows ML – Versão 1.7

• Baixe o NuGet aqui
• Baseado no ONNX Runtime 1.7
• Suporte ao .NET 5 – será compatível com as Projeções do .NET 5 Padrão 2.0.
• Descritores de imagem expõem propriedades NominalPixelRange
• Suporte nativo adicionado para intervalos de pixels adicionais [0..1] e [-1..1] em modelos de imagem.
• Uma nova propriedade é adicionada à runtimeclass ImageFeatureDescriptor para expor a propriedade ImageNominalPixelRange em ImageFeatureDescriptor. Outras propriedades semelhantes expostas são BitmapPixelFormat e BitmapAlphaMode da imagem.
• Correção de bugs e melhorias de desempenho.
• Marcadores DirectML PIX para Redist adicionados para permitir o gráfico de criação de perfil no nível do operador.
• Correções aplicadas para garantir que o pacote seja instalado corretamente em projetos UWP em C# no Visual Studio.

Pacote NuGet do Windows ML – Versão 1.6

• Baixe o NuGet aqui
• Baseado no ONNX Runtime 1.6
• Suporte para aplicativos UWP direcionados à implantação da Windows Store para CPU e GPU.
• O WindowsAI Redist agora inclui um pacote C-Runtime vinculado estaticamente para opções de implantação adicionais.
• Melhorias de API secundárias: os usuários agora podem associar Iteráveis como entradas e saídas e podem criar o Tensor* por meio de vários buffers.

Pacote NuGet do Windows ML – Versão 1.5

• Suporte para aplicativos UWP direcionados à implantação da Windows Store (somente CPU).
• Suporte para aplicativos .NET e .NET Framework.
• Suporte para desenvolvedores rust - exemplo e documentação disponíveis
• Novas APIs para controle de desempenho adicional:
  • IntraopNumThreads: permite alterar o número de threads usados no threadpool para execução intraoperária para operadores de CPU por meio de LearningModelSessionOptions.
  • [SetNamedDimensionOverrides]((/native-apis/SetNamedDimensionOverrides.md): fornece a capacidade de substituir dimensões de entrada nomeadas para valores concretos por meio de LearningModelSessionOptions para obter um melhor desempenho de runtime.
• Suporte para denotações de tipo da imagem de formato ONNX adicionais – Gray8, normalizado [0..1] e normalizado [-1..1].
• Reduziu o tamanho do pacote ao separar os símbolos de depuração em um pacote de distribuição distinto.

Pacote NuGet do Windows ML – versão 1.4

• Baixe o NuGet aqui
• Baseado no ONNX Runtime 1.4
• Suporte para ONNX 1.6 e opset 11.
• Melhorias gerais de usabilidade e desempenho.

Pacote NuGet do Windows ML – Versão 1.3

• Baixe o NuGet aqui
• Baseado no ONNX Runtime 1.3
• Corresponde a MachineLearningContract v3.
• Suporte para ONNX 1.6 e opset 11.
• Execução de CPU compatível até o Windows 8.1; Execução de GPU compatível até o Windows 10 versão 1709.
• Os caminhos conhecidos, verificados e testados são Aplicativos de Desktop usando C++. Os aplicativos store e o Kit de Certificação de Aplicativos do Windows ainda não têm suporte.

Build 19041 (Windows 10, versão 2004)

Suporte para ONNX 1.4 e opset 9 (CPU e GPU)

Adições de superfície de API:

• CloseModelOnSessionCreation: novo parâmetro LearningModelSessionOptions a ser configurado para reduzir a memória de trabalho.

Ferramentas

• Os conversores WinMLTools dão suporte a novas versões onnx e opset
• Otimizações para WinMLRunner expondo novas métricas de desempenho

Build 18362 (Windows 10, versão 1903)

Todos os recursos e atualizações de builds já pré-lançados:

• Suporte ao ONNX 1.3
• Suporte para redução do tamanho do modelo por meio de quantificação de peso pós-treinamento. Você pode usar a versão mais recente do WinMLTools para empacotar os pesos de seu modelo para int8.
• Remoção do mlgen do SDK do Windows 10 – use uma das seguintes extensões do Visual Studio em vez disso:
  • Visual Studio 2017: Gerador de Código do Windows Machine Learning VS 2017
  • Visual Studio 2019: Gerador de Código do Windows Machine Learning

Versão 18829

• mlgen foi removido do SDK do Windows 10. Em vez disso, instale uma das seguintes extensões do Visual Studio dependendo da sua versão:
  • Visual Studio 2017: Gerador de Código do Windows Machine Learning VS 2017
  • Visual Studio 2019: Gerador de Código do Windows Machine Learning

Build 18290

• Versão do ONNX com suporte mínimo = 1.2.2 (opset 7)
• Versão máxima do ONNX com suporte = 1.3 (opset 8)
• Oferece suporte à redução do tamanho do modelo por meio da quantização de pesos após o treinamento. Você pode usar a versão mais recente do WinMLTools para empacotar os pesos de seu modelo para int8.

Build 17763 (Windows 10, versão 1809)

• Primeira versão oficial do Windows Machine Learning.
• Requer o ONNX v1.2.
• O namespace Windows.AI.MachineLearning.Preview foi preterido em favor do namespace Windows.AI.MachineLearning.

Problemas conhecidos

• Para modelos que contêm sequências, o MLGen gera uma IList<Dictionary<chave, valor>> em vez da IList<IDictionary<chave, valor>> apropriada, levando a resultados vazios. Para corrigir esse problema, basta substituir o código gerado automaticamente por um IList<IDictionary<chave, valor>> apropriado.

Build 17723

• Requer o ONNX v1.2.
• Dá suporte a tipos de dados F16 com inferências de modelo baseadas em GPU para melhorar o desempenho e reduzir o volume do modelo. Você pode usar WinMLTools para converter seus modelos de FP32 para FP16.
• Permite que aplicativos para desktop consumam as APIs Windows.AI.MachineLearning com WinRT/C++.