Eseguire il training di un modello con PyTorch ed esportarlo in ONNX
Con il framework PyTorch e Azure Machine Learning, puoi eseguire il training di un modello nel cloud e scaricarlo come file ONNX per eseguirlo localmente con Windows Machine Learning.
Eseguire il training del modello
Con Azure ML puoi eseguire il training di un modello PyTorch nel cloud ed eseguire rapidamente operazioni di aumento delle istanze, distribuzione e così via. Per altre informazioni, vedi Eseguire il training di modelli PyTorch e registrarli su larga scala con Azure Machine Learning.
Eseguire l'esportazione in ONNX
Dopo aver eseguito il training del modello, puoi esportarlo come file ONNX in modo da poterlo eseguire localmente con Windows ML. Per istruzioni su come eseguire l'esportazione in modo nativo da PyTorch, vedi Esportare modelli PyTorch per Windows ML.
Eseguire l'integrazione con Windows ML
Dopo aver esportato il modello in ONNX, sei pronto per integrarlo in un'applicazione di Windows ML. Poiché Windows ML è disponibile in diversi linguaggi di programmazione, puoi consultare un'esercitazione nel linguaggio con cui hai maggiore familiarità.
C#:Creare un'applicazione UWP di Windows Machine Learning (C#)
Python:Creare un'applicazione Windows Machine Learning con Python
C++:Creare un'applicazione Desktop di Windows Machine Learning (C++)
Nota
Per informazioni su Windows Machine Learning, usa le risorse seguenti:
- Per porre domande tecniche o rispondere a domande tecniche su Windows Machine Learning, usa il tag windows-machine-learning in Stack Overflow.
- Per segnalare un bug, registra il problema in GitHub.
Commenti e suggerimenti
https://aka.ms/ContentUserFeedback.
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedereInvia e visualizza il feedback per