Trainieren eines Modells mit PyTorch und Exportieren des Modells in ONNX
Mit dem PyTorch-Framework und Azure Machine Learning können Sie ein Modell in der Cloud trainieren und als ONNX-Datei herunterladen, um es lokal mit Windows Machine Learning auszuführen.
Trainieren des Modells
Mit Azure ML können Sie ein PyTorch-Modell in der Cloud trainieren und die Vorteile einer schnellen horizontalen Skalierung, Bereitstellung und vieles mehr erzielen. Weitere Informationen finden Sie unter Trainieren und Registrieren von PyTorch-Modellen mit Azure Machine Learning.
Exportieren nach ONNX
Nachdem Sie das Modell trainiert haben, können Sie es als ONNX-Datei exportieren, damit Sie es lokal mit Windows ML ausführen können. Unter Exportieren von PyTorch-Modellen für Windows ML finden Sie Anleitungen zum nativen Exportieren aus PyTorch.
Integration in Windows ML
Nachdem Sie das Modell in ONNX exportiert haben, können Sie es in eine Windows ML-Anwendung integrieren. Windows ML ist in verschiedenen Programmiersprachen verfügbar. Sehen Sie sich daher ein Tutorial in der Sprache an, mit der Sie am besten vertraut sind.
C#:Erstellen einer UWP-Anwendung für Windows Machine Learning (C#)
Python:Erstellen einer Windows Machine Learning-Anwendung mit Python
C++:Erstellen einer Desktopanwendung für Windows Machine Learning (C++)
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.
Feedback
https://aka.ms/ContentUserFeedback.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unterFeedback senden und anzeigen für