Использование модели ONNX из Пользовательской службы визуального распознавания с Windows ML (предварительная версия)

Сведения об использовании модели ONNX, экспортированной из пользовательской службы визуального распознавания, с Windows ML (предварительная версия). Вы будете использовать пример приложения UWP с собственным обученным классификатором изображений.

Необходимые компоненты

• Windows 10, версия 1809 или более поздняя.
• Windows SDK для сборки 17763 или более поздней версии.
• Visual Studio 2017 версии 15.7 или более поздней с включенной рабочей нагрузкой Разработка приложений для универсальной платформы Windows;
• На компьютере включен режим разработчика. Дополнительные сведения см. в разделе Включение устройства для разработки.

Сведения о примере приложения

Включенное приложение является универсальным приложением Windows UWP. Он позволяет выбрать изображение на компьютере и обработать его с помощью локально хранимой модели классификации. Теги и оценки, возвращаемые моделью, отображаются рядом с изображением.

Получение приложения

Пример приложения доступен в репозитории ONNX служб ИИ Azure Пользовательское визуальное распознавание в GitHub. Клонируйте его на локальный компьютер и откройте SampleOnnxEvaluationApp.sln в Visual Studio.

Тестирование приложения

1. Чтобы запустить приложение из Visual Studio, нажмите клавишу F5. Вам может быть предложено включить режим разработчика.
2. При запуске приложения используйте кнопку, чтобы выбрать изображение для оценки. Модель ONNX по умолчанию обучена классифицировать различные типы планктона.

Использование своей модели

Чтобы использовать собственную модель классификатора изображений, выполните следующие действия.

1. Создайте и обучите классификатор с помощью Пользовательской службы визуального распознавания. Инструкции по выполнению этой задачи см. в разделе Создание и обучение классификатора. Используйте один из компактных доменов, например Общие (компактный).
   • При наличии классификатора, использующего другой домен, его можно преобразовать в компактный в параметрах проекта. Затем выполните повторное обучение проекта, прежде чем продолжить.
2. Экспортируйте модель. Перейдите на вкладку "Производительность" и выберите итерацию, обученную с помощью компактного домена. Нажмите появившуюся кнопку Экспорт. Выберите ONNX, а затем — Экспорт. Когда файл будет готов, нажмите кнопку Download (Скачать). Дополнительные сведения о вариантах экспорта см. в разделе Экспорт модели.
3. Откройте скачанный ZIP-файл и извлеките из него файл model.onnx. Этот файл содержит модель классификатора.
4. В обозревателе решений в Visual Studio щелкните правой кнопкой мыши папку Ресурсы и выберите Добавить существующий элемент. Выберите файл ONNX.
5. В обозревателе решений щелкните правой кнопкой мыши файл ONNX и выберите пункт Свойства. Измените следующие свойства файла:
   • Действие создания ->Содержимое
   • Копировать в выходной каталог ->Копировать, если новее
6. Затем откройте MainPage.xaml.cs и измените значение _ourOnnxFileName на имя файла ONNX.
7. Нажмите клавишу F5 для сборки и запуска проекта.
8. Нажмите кнопку, чтобы выбрать изображение для оценки.

Следующие шаги

Сведения о других способах экспорта и использования модели пользовательской службы визуального распознавания см. в следующих документах:

• Экспорт модели
• Использование экспортированной модели Tensorflow в приложении Android
• Использование экспортированной модели CoreML в приложении Swift iOS
• Использование экспортированной модели CoreML в приложении iOS с помощью Xamarin

Дополнительные сведения об использовании моделей ONNX с Windows ML см. в статье Интеграция модели в приложение с использованием Windows ML.