Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
O repositório do Windows-Machine-Learning no GitHub contém aplicativos de exemplo que demonstram como usar o Windows Machine Learning, bem como ferramentas que ajudam a verificar modelos e solucionar problemas durante o desenvolvimento.
Exemplos
Os aplicativos de exemplo a seguir estão disponíveis no GitHub.
| Nome | Descrição |
|---|---|
| AdapterSelection (Win32 C++) | Um aplicativo da área de trabalho que demonstra como escolher um adaptador de dispositivo específico para executar seu modelo. |
| Suporte em lote | Mostra como associar e avaliar lotes de entradas com o Windows ML. |
| Exemplo de operador personalizado (Win32 C++) | Um aplicativo da área de trabalho que define vários operadores de CPU personalizados. Um deles é um operador de depuração que você pode integrar ao seu próprio fluxo de trabalho. |
| Tensorização personalizada (Win32 C++) | Mostra como tensorizar uma imagem de entrada usando as APIs do Windows ML na CPU e na GPU. |
| Visão Personalizada (UWP C#) | Mostra como treinar um modelo ONNX na nuvem usando a Visão Personalizada e integrá-lo a um aplicativo com Windows ML. |
| Emoji8 (UWP C#) | Mostra como você pode usar o Windows ML para alimentar um aplicativo divertido de detecção de emoções. |
| Transferência de estilo FNS (UWP C#) | Usa o modelo de transferência de estilo FNS-Candy para reestilizar imagens ou fluxos de vídeo. |
| MNIST (UWP C#/C++) | Corresponde ao Tutorial: Criar um aplicativo UWP do Windows Machine Learning (C#). Comece de uma base e trabalhe no tutorial ou execute o projeto concluído. |
| NamedDimensionOverrides | Demonstra como substituir dimensões nomeadas por valores concretos para otimizar o desempenho do modelo. |
| PlaneIdentifier (UWP C#, WPF C#) | Usa um modelo de aprendizado de máquina pré-treinado, gerado usando o serviço de Visão Personalizada no Azure, para detectar se a imagem fornecida contém um objeto específico: um plano. |
| RustSqueezeNet | Projeção de ferrugem do WinRT usando SqueezeNet. |
| Detecção de objetos SqueezeNet (Win32 C++, UWP C#/JavaScript, . NET5, . NETCORE) | Usa o SqueezeNet, um modelo de aprendizado de máquina pré-treinado, para detectar o objeto predominante em uma imagem selecionada pelo usuário em um arquivo. |
| Detecção de Objetos SqueezeNet (Azure IoT Edge no Windows, C#) | Este é um módulo de exemplo que mostra como executar a inferência do Windows ML em um módulo do Azure IoT Edge em execução no Windows. As imagens são fornecidas por uma câmera conectada, inferidas em relação ao modelo SqueezeNet e enviadas ao Hub IoT. |
| StreamFromResource | Mostra como pegar um recurso inserido que contém um modelo ONNX e convertê-lo em um fluxo que pode ser passado para o construtor LearningModel. |
| StyleTransfer (C#) | Um aplicativo UWP que executa a transferência de estilo em imagens de entrada fornecidas pelo usuário ou fluxos de câmera da Web. |
| winml_tracker (ROS C++) | Um nó ROS (Robot Operating System) que usa o Windows ML para rastrear pessoas (ou outros objetos) em quadros de câmera. |
Observação
Use os seguintes recursos para obter ajuda com o Windows ML:
- Para fazer perguntas ou responder a perguntas técnicas sobre o Windows ML, use a marca windows-machine-learning no Stack Overflow.
- Para relatar um bug, registre um problema no nosso GitHub.