Windows.AI.MachineLearning Spazio dei nomi

Consente alle app di caricare i modelli di Machine Learning, associare le funzionalità e valutare i risultati.

Classi

ImageFeatureDescriptor	Descrive le proprietà dell'immagine prevista dal modello.
ImageFeatureValue	Descrive le proprietà dell'immagine usata per passare a un modello.
LearningModel	Rappresenta un modello di Machine Learning sottoposto a training.
LearningModelBinding	Usato per associare valori a funzionalità di input e output denominate.
LearningModelDevice	Dispositivo usato per valutare il modello di Machine Learning.
LearningModelEvaluationResult	Ottenere i risultati della valutazione.
LearningModelSession	Usato per valutare i modelli di Machine Learning.
LearningModelSessionOptions	Descrive le opzioni di inferenza usate durante la creazione di oggetti LearningModelSession .
MapFeatureDescriptor	Una mappa è una raccolta di coppie chiave, valore.
SequenceFeatureDescriptor	Una sequenza è una matrice di elementi.
TensorBoolean	Oggetto tensor booleano.
TensorDouble	Oggetto tensore float a 64 bit.
TensorFeatureDescriptor	I tensori sono matrici multidimensionali di valori.
TensorFloat	Oggetto tensore float a 32 bit.
TensorFloat16Bit	Oggetto tensore float a 16 bit.
TensorInt16Bit	Oggetto tensore intero con segno a 16 bit.
TensorInt32Bit	Oggetto tensore intero con segno a 32 bit.
TensorInt64Bit	Oggetto tensore intero con segno a 64 bit.
TensorInt8Bit	Oggetto tensore intero con segno a 8 bit.
TensorString	Oggetto tensore stringa.
TensorUInt16Bit	Oggetto tensore intero senza segno a 16 bit.
TensorUInt32Bit	Oggetto tensore intero senza segno a 32 bit.
TensorUInt64Bit	Oggetto tensore intero senza segno a 64 bit.
TensorUInt8Bit	Oggetto tensore intero senza segno a 8 bit.

Interfacce

ILearningModelFeatureDescriptor	Descrive le proprietà comuni che tutte le funzionalità hanno.
ILearningModelFeatureValue	Valore creato per una funzionalità.
ILearningModelOperatorProvider	Descrive gli operatori per un modello di apprendimento.
ITensor	I tensori sono valori multidimensionali.

Enumerazioni

LearningModelDeviceKind	Definisce l'elenco di tipi di dispositivo che possono valutare un modello di Machine Learning.
LearningModelFeatureKind	Tipi di funzionalità di input e output per un modello di Machine Learning.
LearningModelPixelRange	Definisce l'elenco dell'intervallo di pixel nominale dell'immagine supporto da Windows ML. Il valore appropriato viene specificato nei metadati di un modello di Machine Learning.
TensorKind	Definisce l'elenco dei tipi di dati tensor supportati.

Esempio

L'esempio seguente carica un modello, crea una sessione di valutazione, ottiene le funzionalità di input e output del modello, associa tali funzionalità e valuta.

private async Task LoadAndEvaluateModelAsync(VideoFrame _inputFrame, string _modelFileName)
{
    LearningModel _model;
    ImageFeatureDescriptor _inputImageDescription;
    TensorFeatureDescriptor _outputImageDescription;
    LearningModelBinding _binding = null;
    VideoFrame _outputFrame = null;
    LearningModelSession _session;

    try
    {
        // Load and create the model
        var modelFile = 
            await StorageFile.GetFileFromApplicationUriAsync(new Uri($"ms-appx:///Assets/{_modelFileName}"));
        _model = await LearningModel.LoadFromStorageFileAsync(modelFile);

        // Create the evaluation session with the model
        _session = new LearningModelSession(_model);

        //Get input and output features of the model
        List<ILearningModelFeatureDescriptor> inputFeatures = _model.InputFeatures.ToList();
        List<ILearningModelFeatureDescriptor> outputFeatures = _model.OutputFeatures.ToList();

        // Retrieve the first input feature which is an image
        _inputImageDescription =
                inputFeatures.FirstOrDefault(feature => feature.Kind == LearningModelFeatureKind.Image)
                as ImageFeatureDescriptor;

        // Retrieve the first output feature which is a tensor
        _outputImageDescription =
                        outputFeatures.FirstOrDefault(feature => feature.Kind == LearningModelFeatureKind.Tensor)
                        as TensorFeatureDescriptor;

        //Create output frame based on expected image width and height
        _outputFrame = new VideoFrame(
            BitmapPixelFormat.Bgra8, 
            (int)_inputImageDescription.Width, 
            (int)_inputImageDescription.Height);

        //Create binding and then bind input/output features
        _binding = new LearningModelBinding(_session);

        _binding.Bind(_inputImageDescription.Name, _inputFrame);
        _binding.Bind(_outputImageDescription.Name, _outputFrame);

        //Evaluate and get the results
        var results = await _session.EvaluateAsync(_binding, "test");
    }
    catch (Exception ex)
    {
        StatusBlock.Text = $"error: {ex.Message}";
        _model = null;
    }
}

Commenti

Windows Server

Per usare questa API in Windows Server, è necessario usare Windows Server 2019 con Esperienza desktop.

Thread safety

Questa API è thread-safe.

Vedi anche

• Windows ML
• Esempi di Windows ML (GitHub)