Анализ данных с помощью PyTorch и Машинного обучения Windows

Решение Windows Machine Learning можно использовать для запуска прогнозирования на основе табличных наборов данных, прогнозируя числовые значения на основе независимых входных переменных. В этом руководстве используется конкретный набор данных в формате Excel, но описанные процедуры будут работать для любой связанной задачи с использованием выбранного табличного набора данных.

Из этого руководства вы узнаете, как решить задачу классификации с нейронной сетью с помощью библиотеки PyTorch, экспортировать модель в формат ONNX и развернуть ее в приложении Windows Machine Learning, локально работающем на устройстве с Windows.

Требуются базовые знания языков Python и C#. Желательно иметь опыт работы с машинным обучением, но это не является обязательным требованием.

Если вы хотите перейти непосредственно к установке, см. статью Установка PyTorch.

Если вы уже настроили PyTorch, запустите процесс обучения модели. Для этого нужно получить данные.

Когда у вас будут данные, можно начать обучение модели, а затем преобразовать ее в формат ONNX.

Если у вас есть модель ONNX и вы хотите узнать, как создать приложение WinML с нуля, перейдите к статье Развертывание модели.

Примечание.

При желании вы можете клонировать репозиторий примеров Windows Machine Learning и выполнить готовый код для работы с этим руководством. Решение для обучения с использованием PyTorch можно найти здесь, а готовое приложение Windows ML — здесь. Если вы используете файл PyTorch, обязательно настройте соответствующий интерпретатор PyTorch перед запуском.

Сценарий

При работе с инструкциями из этого учебника мы создадим приложение анализа данных машинного обучения для прогнозирования типа цветов Ириса. Для этого будет использоваться набор данных "Ирисы Фишера". Модель будет обучена для распознавания определенных типов закономерностей цветов ириса и прогнозирования правильного типа.

Предварительные требования для обучения модели с помощью PyTorch:

PyTorch поддерживают следующие дистрибутивы Windows:

• Windows 7 и более поздних версий. Рекомендуем использовать Windows 10 или более поздней версии.
• Windows Server 2008 r2 и более поздних версий.

Чтобы использовать Pytorch в Windows, необходимо установить Python 3.x. Python 2.x не поддерживается.

Предварительные требования для развертывания приложения Windows ML

Чтобы создать и развернуть приложение WinML, вам потребуется следующее:

• Windows 10 версии 1809 (сборка 17763) или выше. Номер версии сборки можно выяснить, запустив winver через интерфейс "Выполнить" (вызывается сочетанием клавиш (Windows logo key + R)).
• Windows SDK для сборки 17763 или более поздней версии. Пакет SDK можно получить здесь.
• Visual Studio 2017 версии 15.7 или выше. Рекомендуем использовать Visual Studio 2019. Если вместо этого используется VS2017, некоторые снимки экрана, приведенные в этом руководстве, могут отличаться от фактического интерфейса. Visual Studio можно получить здесь.
• Также необходимо включить на компьютере режим разработчика.

Примечание.

API-интерфейсы Windows ML встроены в последние версии Windows 10 (1809 или более поздней версии) и Windows Server 2019. Если целевая платформа является более ранней версией Windows, вы можете перенести приложение WinML в распространяемый пакет NuGet (Windows 8.1 или более поздней версии).

Дальнейшие действия

Начнем с установки PyTorch и настройки нашей среды.

Важно!

PyTorch, логотип PyTorch и все связанные знаки являются товарными знаками Facebook, Inc.