Windows Machine Learning 샘플

Windows-Machine-Learning repository on GitHub에는 Windows Machine Learning 사용 방법을 보여주는 샘플 애플리케이션은 물론 개발 중에 모델을 확인하고 문제를 해결하는 데 유용한 도구가 포함되어 있습니다.

샘플

GitHub에서 사용할 수 있는 샘플 애플리케이션은 다음과 같습니다.

이름	설명
AdapterSelection(Win32 C++)	모델을 실행하기 위한 특정 디바이스 어댑터를 선택하는 방법을 보여주는 데스크톱 애플리케이션입니다.
BatchSupport	Windows ML을 사용하여 입력 일괄 처리를 바인딩하고 평가하는 방법을 보여 줍니다.
Custom Operator Sample(Win32 C++)	다수의 사용자 지정 CPU 연산자를 정의하는 데스크톱 애플리케이션입니다. 이 중 하나는 사용자의 워크플로에 통합할 수 있는 디버그 연산자입니다.
Custom Tensorization(Win32 C++)	CPU와 GPU 모두에서 Windows ML API를 사용하여 입력 이미지를 텐서화하는 방법을 보여 줍니다.
Custom Vision(UWP C#)	Custom Vision을 사용하여 클라우드에서 ONNX 모델을 학습시키고 Windows ML을 사용하여 애플리케이션에 통합하는 방법을 보여 줍니다.
Emoji8(UWP C#)	Windows ML을 사용하여 재미있는 감정 감지 애플리케이션을 강화하는 방법을 보여 줍니다.
FNS Style Transfer(UWP C#)	FNS-Candy Style Transfer 모델을 사용하여 이미지나 비디오 스트림의 스타일을 재조정합니다.
MNIST(UWP C#/C++)	자습서: Windows Machine Learning UWP 애플리케이션 만들기(C#)에 해당합니다. 기초부터 시작하여 자습서를 끝까지 완료하거나 완료된 프로젝트를 실행할 수 있습니다.
NamedDimensionOverrides	모델 성능을 최적화하기 위해 명명된 차원을 구체적인 값으로 재정의하는 방법을 보여 줍니다.
PlaneIdentifier(UWP C#, WPF C#)	Azure에서 Custom Vision 서비스를 사용하여 생성된 미리 학습된 기계 학습 모델을 사용하여 지정된 이미지에 특정 개체(plane)가 포함되어 있는지 감지합니다.
RustSqueezeNet	SqueezeNet을 사용하는 WinRT의 Rust 프로젝션입니다.
SqueezeNet Object Detection(Win32 C++, UWP C#/JavaScript, .NET5, .NETCORE)	미리 학습된 기계 학습 모델인 SqueezeNet을 사용하여 파일에서 사용자가 선택한 이미지에서 주요 개체를 감지합니다.
SqueezeNet Object Detection(Windows의 Azure IoT Edge, C#)	Windows에서 실행되는 Azure IoT Edge 모듈에서 Windows ML 유추를 실행하는 방법을 보여주는 샘플 모듈입니다. 연결된 카메라에서 이미지가 제공되고, SqueezeNet 모델에 대해 유추하여 IoT Hub로 전송됩니다.
StreamFromResource	ONNX 모델을 포함하는 포함 리소스를 사용하여 LearningModel 생성자에 전달할 수 있는 스트림으로 변환하는 방법을 보여 줍니다.
StyleTransfer(C#)	사용자 제공 입력 이미지 또는 웹 카메라 스트림에서 스타일 전송을 수행하는 UWP 앱입니다.
winml_tracker(ROS C++)	Windows ML을 사용하여 카메라 프레임에서 사람(또는 기타 개체)을 추적하는 ROS(Robot Operating System) 노드입니다.

참고 항목

Windows ML에 대한 도움말은 다음 리소스를 참조하세요.

• Windows ML에 대한 기술적인 질문을 하거나 질문에 답하려면, Stack Overflow에서 windows-machine-learning 태그를 사용하세요.
• 버그를 보고하려면 GitHub에서 문제를 제출하세요.