Windows-Machine-Learning

Windows-Machine-Learning 项目介绍

Windows Machine Learning 是一个高性能的机器学习推理 API，其强大性能来源于 ONNX Runtime 和 DirectML。该项目适用于高性能、低延迟的应用程序，如框架、游戏和其他实时应用，以及使用高级语言构建的应用程序。

Windows ML 项目的主要内容

该项目的代码库包含了 Windows Machine Learning 的一些样本和工具，演示如何将机器学习应用场景集成到 Windows 应用程序中。下面是项目的主要部分：

• 开始使用 Windows ML
• 模型样本
• 高级场景样本
• 开发者工具
• 用户反馈
• 外部链接
• 贡献指南

开始使用 Windows ML

要开始使用 Windows ML，开发者需要具备 Visual Studio 2017 版本 15.7.4 或更新版本。Windows ML 提供了通过 Windows SDK 和可重新分发的 NuGet 包进行机器学习推理的两种方式。下表中展示了 In-Box 和 NuGet 包的可用性、分发方式、语言支持、服务以及前向兼容性的特点：

模型样本

项目提供了多种用于不同场景的模型样本，包括：

• 图像分类：算法对图像进行分析，并从一组预定义的标签或类别中分配标签。支持的模型包括 AlexNet、CaffeNet、DenseNet、SqueezeNet 等。

• 风格迁移：一种计算机视觉技术，可以重新组合图像的内容为另一种风格。

高级场景样本

项目中提供了一些高级样本，展示如何使用 Windows ML 进行各种绑定和评估功能，包括：

• 自定义张量化
• 自定义操作符（CPU）
• 设备适配器选择
• 使用 Azure Custom Vision 和 Windows ML 进行自定义视觉以及 PyTorch 图像分类的教程

开发者工具

为使开发者更好地使用 Windows ML，项目提供了一系列开发者工具，包括：

• 模型转换：将模型转换为 ONNX 格式。
• 模型优化：通过图优化和量化来优化模型。
• 模型验证：例如使用 WinMLRunner 工具验证模型。
• 模型集成：使用 mlgen 工具在 UWP 应用中使用 WinML API。

用户反馈

用户可以在 GitHub 上提交问题，或在 Stack Overflow 上提问。此外，用户还可以在 Windows Developer Feedback 中对热门功能请求进行投票或提交自己的请求。

外部链接和贡献指南

Windows-Machine-Learning 项目鼓励开发者参与贡献。该项目采用微软开源行为准则（Microsoft Open Source Code of Conduct）。开发者可以通过提交 pull request 来修复问题或改进样本。

Windows Machine Learning 是一个帮助开发者将机器学习集成到 Windows 应用程序的重要工具，通过提供高性能、低延迟的推理能力，让应用程序更具智能化和响应能力。