Nota
O acesso a esta página requer autorização. Podes tentar iniciar sessão ou mudar de diretório.
O acesso a esta página requer autorização. Podes tentar mudar de diretório.
O repositório 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 seguintes aplicativos de exemplo estão disponíveis no GitHub.
| Nome | Descrição |
|---|---|
| AdapterSelection (Win32 C++) | Um aplicativo de desktop que demonstra como escolher um adaptador de dispositivo específico para executar seu modelo. |
| Suporte em lote | Mostra como vincular e avaliar lotes de entradas com o Windows ML. |
| Exemplo de operador personalizado (Win32 C++) | Um aplicativo de desktop 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 de ML do Windows 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 o Windows ML. |
| Emoji8 (UWP C#) | Mostra como você pode usar o Windows ML para alimentar um aplicativo divertido de deteção 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 a partir 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 detetar se a imagem fornecida contém um objeto específico: um plano. |
| RustSqueezeNet | Integração de Rust com WinRT usando SqueezeNet. |
| Deteção de objeto SqueezeNet (Win32 C++, UWP C#/JavaScript, . NET5, . NETCORE) | Usa o SqueezeNet, um modelo de aprendizado de máquina pré-treinado, para detetar o objeto predominante em uma imagem selecionada pelo usuário a partir de um arquivo. |
| Deteção de objeto SqueezeNet (Azure IoT Edge no Windows, C#) | Este é um módulo de exemplo que mostra como executar a inferência de ML do Windows 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 para o Hub IoT. |
| StreamFromResource | Mostra como pegar um recurso incorporado 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 ou responder a perguntas técnicas sobre o Windows ML, use a tag windows-machine-learning em Stack Overflow.
- Para relatar um bug, registre um problema em nosso GitHub.