Entrenamiento de un modelo con PyTorch y exportación del modelo a ONNX
Con el marco PyTorch y Azure Machine Learning, puedes entrenar un modelo en la nube y descargarlo como un archivo ONNX para ejecutarlo localmente con Windows Machine Learning.
Entrenamiento del modelo
Con Azure ML, puedes entrenar un modelo de PyTorch en la nube y obtener así las ventajas del escalado horizontal rápido, la implementación, etc. Consulta Entrenamiento y registro de modelos de PyTorch a escala con Azure Machine Learning para obtener más información.
Exportación a ONNX
Después de entrenar el modelo, puedes exportarlo como un archivo ONNX para poder ejecutarlo localmente con Windows ML. Consulta Exportación de modelos de PyTorch para Windows ML para obtener instrucciones sobre cómo realizar la exportación de forma nativa desde PyTorch.
Integración con Windows ML
Después de exportar el modelo a ONNX, estás listo para integrarlo en una aplicación de Windows ML. Windows ML está disponible en varios lenguajes de programación diferentes. Consulte un tutorial del lenguaje con el que estés más familiarizado.
C#:Creación de una aplicación para UWP de Windows Machine Learning (C#)
Python:Creación de una aplicación de Windows Machine Learning con Python
Python:Creación de una aplicación de escritorio de Windows Machine Learning (C++)
Nota:
Use los siguientes recursos para obtener ayuda con Windows ML:
- Para formular o responder a preguntas técnicas sobre Windows Machine Learning, utilice la etiqueta windows-machine-learning en Stack Overflow.
- Para notificar un error, registre un problema en GitHub.
Comentarios
https://aka.ms/ContentUserFeedback.
Próximamente: A lo largo de 2024 iremos eliminando gradualmente GitHub Issues como mecanismo de comentarios sobre el contenido y lo sustituiremos por un nuevo sistema de comentarios. Para más información, vea:Enviar y ver comentarios de