Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Questo argomento illustra il percorso minimo per l'esecuzione di un modello ONNX con Windows ML sulla CPU, quindi punta all'accelerazione hardware quando si è pronti.
Per altre informazioni su Windows ML, vedere Che cos'è Windows ML.
Prerequisiti
- Versione di Windows supportata da SDK per app di Windows
- Architettura: x64 o ARM64
- Prerequisiti specifici del linguaggio illustrati di seguito
Annotazioni
Windows app ml possono essere destinate a qualsiasi versione di Windows supportata SDK per app di Windows. I provider di esecuzione ottimizzati per l'hardware acquisiti tramite il catalogo EP Windows ML richiedono Windows 11 versione 24H2 (build 26100) o versione successiva. Per maggiori dettagli, vedi provider di esecuzione di Windows ML.
- .NET 8 o versione successiva per usare tutte le API di Windows ML
- Con .NET 6 è possibile installare provider di esecuzione usando le
Microsoft.Windows.AI.MachineLearningAPI, ma non è possibile usare leMicrosoft.ML.OnnxRuntimeAPI.
- Con .NET 6 è possibile installare provider di esecuzione usando le
- Riferirsi a un TFM specifico per Windows 10 come
net8.0-windows10.0.17763.0o versione successiva
Passaggio 1: Trovare un modello
Prima di scrivere codice, è necessario un modello ONNX. Vedere Trovare o fare il training dei modelli per indicazioni su come ottenere modelli ONNX.
Passaggio 2: Installare Windows ML
Vedere Installare e distribuire Windows ML per istruzioni complete in tutti i linguaggi e le modalità di distribuzione supportati (dipendenti dal framework e indipendenti).
Passaggio 3: Aggiungere namespace/intestazioni
Dopo aver installato Windows ML nel progetto, consulta Usare le API ONNX per indicazioni su quali namespace/intestazioni utilizzare.
Passaggio 4: Eseguire un modello ONNX
Con Windows ML installato, è possibile eseguire modelli ONNX nella CPU senza alcuna configurazione aggiuntiva. Per indicazioni , vedere Eseguire modelli ONNX .
A questo punto l'app ha un percorso di inferenza funzionante nella CPU.
Passaggio 5: Facoltativamente accelerare su NPU o GPU
Vuoi inferenza più veloce su NPU, GPU o persino CPU? Vedere Accelerare i modelli di intelligenza artificiale per aggiungere provider di esecuzione ottimizzati per l'hardware di destinazione.
Vedere anche
- Accelerare i modelli di intelligenza artificiale - Aggiungere provider di esecuzione NPU, GPU o CPU
- Eseguire modelli ONNX - Informazioni sull'inferenza dei modelli ONNX
- Installare e distribuire Windows ML - Opzioni per la distribuzione di un'app con Windows ML
- Tutorial - Tutorial completo end-to-end utilizzando Windows ML con il modello ResNet-50
- Esempi di codice : esempi di codice con Windows ML