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.