当前位置:首页 > 网络 > 正文

如何为Windows10编写机器学习应用程序

  这并非一帆风顺:使用提供图像输出的Core ML模型可能会有问题,因为ONNX不直接支持图像类型。但是,Microsoft的WinMLTools文档将指导您完成将ONNX输出张量映射到一系列图像文件的过程。

  将机器学习添加到Windows应用程序

  一旦导出,该模型就可以在Windows的新机器学习平台上运行。一旦导入,训练有素的模型就可以开始工作,并且可以使用新数据而无需任何额外的培训。如果使用图像识别技术,可以为现场工作人员提供新的工具,用于识别问题并使用笔记本电脑或2合1相机寻找解决方案。在存在带宽问题的地方,本地机器学习算法可以运行来自传感器或其他监控工具的下载数据,可能提供车载传感器汽车维修诊断工具。

  基于DirectX 12的计算GPU支持,Window机器学习将在大多数现代PC硬件上运行。如果GPU不可用,它也可以使用CPU资源,但这会损失使用GPU作为并行处理平台所带来的性能提升。还可以选择在Qualcomm ARM设备中使用AI内核,并使用英特尔的插入式AI协处理器。

  目前,Visual Studio 15.7的预览版本和Windows 10 SDK的Windows Insider版本都支持Windows机器学习。编写UWP代码来处理机器学习很容易;您需要将ONNX模型导入到Visual Studio项目中。这会自动生成适当的接口和类,随时可以将它们集成到您的应用程序中。如果您使用的是C ++或C#,那么mlgen(Windows SDK中的工具)将为您生成包装类。

  机器学习的边缘

  Windows机器学习不仅适用于传统PC。当您将云应用程序转移到微软首席执行官Satya Nadella所说的“智能优势”时,您就会将它们转移到许多类别的设备上。其中一些将是在单元塔中运行的全尺寸服务器,其中一些将是与分支办公室服务器或台式PC具有相似规格的集线器设备,另一些则是使用嵌入式处理器的物联网设备本身。

  AMD最近推出了Epyc和Ryzen处理器的嵌入式版本。与桌面和移动Ryzen一样,嵌入式版本在其内置GPU上运行代码。在英国的发布会上,一位开发人员展示了一台使用嵌入式Ryzen扫描瓶装啤酒的相机;确定是否应该拒绝批次。嵌入式系统的机器学习模型在更强大的系统上进行了培训,并且有大量的图像数据。一旦训练完成,它就被导出并用于分析来自摄像机的图像流。

  该应用程序本身运行在嵌入式Linux上,但不难看出未来的Windows嵌入式版本,如Windows 10 IoT Enterprise,在嵌入式Ryzen硬件上提供类似的机器学习功能。还可以选择支持ARM的Project Trillium嵌入式机器学习处理器,嵌入可在ARM低功耗芯片组中运行ARM自己的神经网络软件的硬件。

  将机器学习从云端引入是重要的一步;它消除了需要快速响应的应用程序的延迟并减少了从远程站点发送到云服务器的数据量。通过Windows机器学习,您可以使用这些技术将复杂的算法快速添加到您自己的代码中,从而使您的软件更强大,更实用。

Windows10:使用exFAT或ReFS将驱动器转换为NTFS

如何为Windows10编写机器学习应用程序

如何在Win10上临时(或永久)禁用和重新启用Windows Defender

相关文章:

发表评论

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。