Windows Machine Learning

  • Artikel

Implementieren Sie Machine Learning in Ihre Windows-Apps, indem Sie Windows ML verwenden. Hierbei handelt es sich um eine zuverlässige Hochleistungs-API zum Bereitstellen von hardwarebeschleunigten ML-Rückschlüssen auf Windows-Geräten.

Windows ML graphic

Übersicht

Windows ML ist in die neuesten Versionen von Windows 10 und Windows Server 2019 integriert und auch als NuGet-Paket für die Abwärtskompatibilität zu Windows 8.1 erhältlich. Windows ML bietet Entwicklern die folgenden Vorteile:

  • Einfache Entwicklung: Mit Windows ML, das in die neuesten Versionen von Windows 10 und Windows Server 2019 integriert ist, benötigen Sie lediglich Visual Studio und ein trainiertes ONNX-Modell, das zusammen mit der Windows-Anwendung verteilt werden kann. Wenn Sie Ihre KI-basierten Features auch für ältere Windows-Versionen (bis hinunter zu 8.1) bereitstellen müssen, ist Windows ML auch als NuGet-Paket erhältlich, das Sie zusammen mit Ihrer Anwendung verteilen können.

  • Umfassende Hardwareunterstützung: Mit Windows ML können Sie Ihre ML-Workload einmal schreiben und automatisch eine hochoptimierte Leistung für verschiedene Hardwareanbieter und Siliziumtypen wie CPUs, GPUs und KI-Zugriffstasten erhalten. Darüber hinaus ist bei Windows ML ein einheitliches Verhalten für die gesamte unterstützte Hardware sichergestellt.

  • Geringe Latenz, Echtzeitergebnisse: ML-Modelle können mithilfe der Verarbeitungsfunktionen des Windows-Geräts ausgewertet werden, wodurch eine lokale Echtzeitanalyse großer Datenvolumes wie Bilder und Videos ermöglicht wird. Die Ergebnisse sind zur Verwendung für leistungsintensive Workloads, z. B. Game-Engines, oder für Hintergrundaufgaben, z. B. die Indizierung für die Suche, schnell und effizient verfügbar.

  • Erhöhte Flexibilität: Mit der Option zum lokalen Auswerten von ML-Modellen auf Windows-Geräten können Sie eine breitere Palette von Szenarien behandeln. Die Evaluierung von ML-Modellen kann beispielsweise ausgeführt werden, während das Gerät offline ist oder wenn es häufiger zu Verbindungsunterbrechungen kommt. Sie können hiermit auch Szenarien abdecken, bei denen aufgrund von Problemen mit dem Datenschutz oder der Datenhoheit nicht alle Daten an die Cloud gesendet werden können.

  • Verringerte Betriebskosten: Schulung ML-Modelle in der Cloud und anschließendes Auswerten lokal auf Windows-Geräten können erhebliche Einsparungen bei den Bandbreitenkosten bieten, wobei nur minimale Daten an die Cloud gesendet werden , wie es für eine kontinuierliche Verbesserung Ihres ML-Modells erforderlich sein könnte. Beim Bereitstellen des ML-Modells in einem Serverszenario können Entwickler die Hardwarebeschleunigung von Windows ML nutzen, um die Modellbereitstellung zu beschleunigen. So wird die Anzahl von Computern reduziert, die zum Verarbeiten der Workload benötigt werden.

Machine Learning-Modelle

Ein Machine Learning-Modell ist eine Datei, die darauf trainiert wurde, bestimmte Arten von Mustern zu erkennen. Sie trainieren ein Modell anhand von Daten, indem Sie einen Algorithmus bereitstellen, mit dem diese Daten analysiert und zum Lernen verwendet werden können.

Nachdem Sie das Modell trainiert haben, können Sie es verwenden, um Daten zu analysieren, die es zuvor noch nicht gekannt hat, und um Vorhersagen über diese Daten zu treffen. Nehmen wir beispielsweise an, Sie möchten eine Anwendung erstellen, die die Emotionen eines Benutzers auf der Grundlage seiner Gesichtsausdrücke erkennen kann. Sie können ein Modell trainieren, indem Sie ihm Bilder von Gesichtern präsentieren, die jeweils durch eine bestimmte Emotion gekennzeichnet sind. Anschließend können Sie dieses Modell in einer Anwendung verwenden, die die Emotionen eines beliebigen Benutzers erkennen kann. Ein Beispiel für eine solche Anwendung finden Sie im Emoji8-Beispiel. Weitere Informationen finden Sie unter Was ist ein Machine Learning-Modell?.

Windows Machine Learning verwendet das ONNX-Format (Open Neural Network Exchange) für Modelle. Sie können ein vortrainiertes Modell herunterladen, oder Sie können Ihr eigenes Modell trainieren. Weitere Informationen finden Sie unter Abrufen von ONNX-Modellen für Windows ML.

Erste Schritte

Weitere Informationen zu den verschiedenen Möglichkeiten, Windows Machine Learning in Ihre App zu integrieren, finden Sie auf unserer Seite Erste Schritte.

Möchten Sie Ihre erste App mit Windows Machine Learning erstellen? Sehen Sie sich die WinML-Tutorials an, um eine Übersicht über die verschiedenen Möglichkeiten zum Trainieren eines Modells zu finden und es in Ihre WinML-Anwendung zu integrieren.

Häufig gestellte Fragen

Möchten Sie mehr über Machine Learning-Lösungen und Ihre Optionen erfahren? Eine vollständige Übersicht über die verfügbaren Optionen finden Sie unter KI-Lösungen im Vergleich. Weitere Informationen finden Sie unter Häufig gestellte Fragen zu WinML.

Hinweis

Verwende die folgenden Ressourcen, wenn du Hilfe mit Windows ML benötigst:

  • Wenn du technische Fragen zu Windows ML stellen oder beantworten möchtest, verwende das Tag windows-machine-learning auf Stack Overflow.
  • Wenn du einen Fehler melden möchtest, erstelle eine Anfrage auf GitHub.