Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
In diesem Thema werden Sie durch den minimalen Pfad geführt, um ein ONNX-Modell mit Windows ML auf der CPU auszuführen, und zeigt Ihnen dann auf die Hardwarebeschleunigung, sobald Sie bereit sind.
Weitere Informationen zu Windows ML finden Sie unter "Was ist Windows ML".
Voraussetzungen
- Version von Windows, die das Windows App SDK unterstützt
- Architektur: x64 oder ARM64
- Sprachspezifische Voraussetzungen: unten
Note
Windows ML-Apps können auf jede Windows Version abzielen, die Windows App SDK unterstützt. Hardwareoptimierte Ausführungsanbieter, die über den Windows ML EP-Katalog erworben werden, erfordern Windows 11, Version 24H2 (Build 26100) oder höher. Weitere Informationen finden Sie unter Windows ML-Ausführungsanbieter.
- .NET 8 oder höher, um alle Windows ML-APIs zu verwenden
- Mit .NET 6 können Sie Ausführungsanbieter mithilfe der
Microsoft.Windows.AI.MachineLearningAPIs installieren, aber Sie können dieMicrosoft.ML.OnnxRuntimeAPIs nicht verwenden.
- Mit .NET 6 können Sie Ausführungsanbieter mithilfe der
- Festlegen eines Windows 10-spezifischen TFM wie
net8.0-windows10.0.17763.0oder höher
Schritt 1: Suchen eines Modells
Bevor Sie Code schreiben, benötigen Sie ein ONNX-Modell. Siehe Modelle finden oder trainieren für Anleitungen zum Abrufen von ONNX-Modellen.
Schritt 2: Installieren von Windows ML
Eine vollständige Anleitung für alle unterstützten Sprachen und Bereitstellungsmodi finden Sie unter Installieren und Bereitstellen von Windows ML (frameworkabhängige und eigenständige).
Schritt 3: Hinzufügen von Namespaces und Header-Dateien
Nachdem Sie Windows ML in Ihrem Projekt installiert haben, finden Sie Unter Verwendung von ONNX-APIs Anleitungen zu den zu verwendenden Namespaces/Headern.
Schritt 4: Ausführen eines ONNX-Modells
Wenn Windows ML installiert ist, können Sie ONNX-Modelle ohne zusätzliches Setup auf der CPU ausführen. Anleitungen finden Sie unter Ausführen von ONNX-Modellen .
An diesem Punkt verfügt Ihre App über einen funktionierenden Rückschlusspfad auf der CPU.
Schritt 5: Optional auf NPU oder GPU beschleunigen
Möchten Sie schnellere Rückschlüsse auf NPU, GPU oder sogar CPU? Weitere Informationen finden Sie unter "Beschleunigen von KI-Modellen ", um hardwaregesteuerte Ausführungsanbieter für Ihre Zielhardware hinzuzufügen.
Siehe auch
- Beschleunigen von KI-Modellen – Hinzufügen von NPU-, GPU- oder CPU-Ausführungsanbietern
- Ausführen von ONNX-Modellen – Informationen zum Ableiten von ONNX-Modellen
- Installieren und Bereitstellen von Windows ML – Optionen für die Bereitstellung einer App mit Windows ML
- Lernprogramm – Vollständiges Ende-zu-Ende-Lernprogramm mit Windows ML mit dem ResNet-50-Modell
- Codebeispiele – Unsere Codebeispiele mit Windows ML