Руководства по Windows Machine Learning

Использовать Windows Machine Learning может быть полезно во многих решениях настраиваемых приложений. Здесь мы перечислим несколько подробных руководств, в которых показано, как создавать модели машинного обучения из разнообразных служб, в том числе программных и не использующих код, а также интегрировать эти модели в простое приложение Windows ML. Кроме того, мы описали несколько более сложных методов, которые позволяют настроить функциональность приложения. Если же вам нужны только вводные данные об использовании API с существующей моделью или готовые примеры, см. ссылки ниже.

Полные руководства по работе с приложениями

В этих руководствах описано, как создать модель машинного обучения и интегрировать ее в приложение Windows 10 с помощью Windows ML.

Учебная среда без использования кода

Хотите применить существующие служебные программы для обучения модели машинного обучения? В этих руководствах описано, как создавать приложения Windows ML с использованием моделей, обученных в других существующих службах.

Классификация изображений с помощью Пользовательского визуального распознавания и Windows ML

Узнайте, как с помощью службы Пользовательского визуального распознавания Azure обучить модель для классификации изображений и развернуть ее в приложении Windows ML для локального выполнения на компьютере.

Классификация изображений с помощью ML.NET и Windows ML

Узнайте, как с помощью расширения ML.NET Model Builder для Visual Studio создать модель ONNX и развернуть ее в приложении Windows ML для локального выполнения на компьютере.

Учебная среда с использованием кода

В этих руководствах описано, как создать собственный код для обучения модели Windows ML вместо использования существующий службы.

Классификация изображений с помощью PyTorch и Windows ML

Узнайте, как установить PyTorch на локальном компьютере для обучения модели классификации изображений, как преобразовать эту модель в формат ONNX и развернуть ее в приложении Windows ML для локального выполнения на компьютере.

Анализ данных с помощью PyTorch и Машинного обучения Windows

Узнайте, как установить PyTorch на локальном компьютере для обучения модели анализа данных, как преобразовать эту модель в формат ONNX и развернуть ее в приложении Машинного обучения Windows для локального выполнения на компьютере.

Обнаружение объектов с помощью TensorFlow и Windows ML

Узнайте, как установить TensorFlow на локальном компьютере, как реализовать обучение переносом с использованием архитектуры YOLO, как преобразовать модель в формат ONNX и развернуть ее в приложении Windows ML для локального выполнения на компьютере.

Дополнительные функции

Если вы хотите использовать пакет NuGet для Windows ML, см. статью Руководство. Перенос существующего приложения Windows ML в пакет NuGet.

Сведения о последних функциях и исправлениях в Windows ML см. в наших заметках о выпуске.

Важно!

PyTorch, логотип PyTorch и все связанные знаки являются товарными знаками Facebook, Inc. TensorFlow. Логотип TensorFlow и все связанные с ним знаки являются товарными знаками Google Inc.

Примечание.

Используйте следующие ресурсы для получения справки по машинному обучению в Windows:

• Чтобы задать технические вопросы о машинном обучении в Windows или ответить на них, используйте тег windows-machine-learning в Stack Overflow.
• Сообщить об ошибке можно в нашем репозитории GitHub.