管理员
- 注册日期2001-03-23
- 最后登录2023-10-25
- 粉丝300
- 关注6
- 积分910分
- 威望14796点
- 贡献值7点
- 好评度2410点
- 原创分5分
- 专家分100分
|
阅读：1422回复：0
Windows ML API 提供windows下统一人工智能加速
楼主#
更多
发布于：2020-06-01 14:31
https://docs.microsoft.com/zh-cn/windows/ai/windows-ml/使用方法及例子代码： https://github.com/Microsoft/Windows-Machine-Learning使用 Windows ML（高性能的可靠 API，用于在 Windows 设备上部署硬件加速的 ML 推理）在 Windows 应用中实现机器学习。 概述Windows ML 内置于 Windows 10 和 Windows Server 2019 的最新版本中，也可作为 NuGet 包提供到更低的操作系统版本 Windows 8.1。 Windows ML 为开发人员提供以下优势：
使开发变得更轻松： 使用最新版 Windows 10 和 Windows Server 2019 中内置的 Windows ML，只需 Visual Studio 以及连同 Windows 应用程序一起分发的已训练 ONNX 模型即可进行开发。 此外，如果你需要将基于 AI 的功能提供到较低版本的 Windows（低至 8.1），Windows ML 也可作为随应用程序一起分发的 NuGet 包提供。
广泛的硬件支持： 使用 Windows ML 可以一次性编写 ML 工作负荷，并自动为不同的硬件供应商和芯片类型（例如 CPU、GPU 和 AI 加速器）提供高度优化的性能。 此外，Windows ML 保证各种受支持硬件的行为保持一致。
低延迟、实时结果： 可以使用 Windows 设备的处理能力来评估 ML 模型，以实现对图像和视频等大量数据的本地实时分析。 可以快速高效地提供结果用于游戏引擎等性能密集型工作负荷，或搜索索引等后台任务。
提高灵活性： 在 Windows 设备本地评估 ML 模型的选项可让你解决更广泛的方案。 例如，可以在设备处于脱机状态或者连接间歇性中断时运行 ML 模型的评估。 此外，还可以让你解决因隐私或数据主权问题而无法将所有数据发送到云的情景。
降低运营成本： 在云中训练机器 ML，然后在 Windows 设备本地评估这些模型可以极大地节省带宽成本（只需将持续改善 ML 模型时可能会需要的极少量数据发送到云）。 此外，在服务器方案中部署 ML 模型时，开发人员可以利用 Windows ML 硬件加速来加快为模型提供服务的速度，减少处理工作负荷所需的计算机数量。
|
