Примеры Windows Machine Learning

Репозиторий Windows-Machine-Learning на сайте GitHub содержит примеры приложений, в которых показано использование Windows Machine Learning, а также средств для проверки моделей и устранения проблем при разработке.

Примеры

На GitHub доступны следующие примеры приложений.

Имя	Описание
AdapterSelection (Win32 C++)	Классическое приложение, которое демонстрирует выбор конкретного адаптера устройства для выполнения модели.
BatchSupport	Сведения о том, как привязать и оценить пакеты входных данных в Windows ML.
Пример пользовательского оператора (Win32 C++)	Классическое приложение, которое определяет несколько пользовательских операторов ЦП. Один из них предназначен для отладки и его можно интегрировать в собственный рабочий процесс.
Пользовательское преобразование в тензор (Win32 C++)	Демонстрация преобразования изображения в тензор с применением интерфейсов API Windows ML в ЦП и GPU.
Пользовательское визуальное распознавание (UWP C#)	Демонстрация процессов обучения модели ONNX в облаке с помощью службы "Пользовательское визуальное распознавание" с последующей интеграцией в приложение с поддержкой Windows ML.
Emoji8 (UWP C#)	Демонстрация применения Windows ML для создания развлекательного приложения с распознаванием эмоций.
FNS Style Transfer (UWP C#)	Применение модели переноса стилей FNS-Candy для изменения стиля изображений или видеопотоков.
MNIST (UWP C#/C++)	Соответствует статье Руководство. Создание приложения UWP (C#) для Windows Machine Learning. Его можно создать поэтапно, работая с руководством, или сразу запустить готовый проект.
NamedDimensionOverrides	Сведения о том, как переопределить именованные измерения в конкретные значения, чтобы оптимизировать эффективность модели.
PlaneIdentifier (UWP C#, WPF C#)	Применение предварительно обученной модели машинного обучения, созданной с помощью службы "Пользовательское визуальное распознавание" в Azure, для поиска конкретных объектов (в этом случае самолетов) на переданном изображении.
RustSqueezeNet	Проекция Rust для WinRT с использованием SqueezeNet.
Обнаружение объектов SqueezeNet (Win32 C++, UWP C#/JavaScript, .NET5, .NETCORE)	Применение предварительно обученной модели машинного обучения SqueezeNet для обнаружения основного объекта на изображении, выбранном пользователем из файла.
Обнаружение объектов SqueezeNet (Azure IoT Edge на Windows, C#)	Это пример модуля, в котором показан запуск Windows ML в модуле Azure IoT Edge на ОС Windows. Изображения передаются с подключенной камеры, обрабатываются моделью SqueezeNet и отправляются в Центр Интернета вещей.
StreamFromResource	Сведения о том, как преобразовать встроенный ресурс с моделью ONNX в поток, который можно передать в конструктор LearningModel.
StyleTransfer (C#)	Приложение UWP, которое выполняет передачу стиля для предоставленных пользователем входных изображений или потоков видео с веб-камер.
winml_tracker (ROS C++)	Узел ROS (операционной системы для роботов), который использует Windows ML для обнаружения людей (или других объектов) на кадрах, полученных с камеры.

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.