Modèles ONNX

Windows Machine Learning prend en charge les modèles au format ONNX (Open Neuronal Network Exchange). ONNX est un format ouvert pour les modèles ML, ce qui vous permet d’échanger des modèles entre divers outils et frameworks ML.

Il existe plusieurs façons d’obtenir un modèle au format ONNX, notamment les suivantes :

• Modèle ONNX Zoo : contient plusieurs modèles ONNX préentraînés pour différents types de tâches. Téléchargez une version prise en charge par Windows ML et tout est prêt !

• Exportation native à partir de frameworks d’entraînement ML : plusieurs frameworks d’entraînement prennent en charge la fonctionnalité d’exportation native vers ONNX, comme Chainer, Caffee2 et PyTorch, ce qui vous permet d’enregistrer votre modèle entraîné dans des versions spécifiques du format ONNX. De plus, les services comme Azure Machine Learning et Azure Custom Vision offrent également une exportation ONNX native.

  • Pour savoir comment effectuer l’entraînement et l’exportation d’un modèle ONNX dans le cloud à l’aide de Custom Vision, consultez le tutoriel : utiliser un modèle ONNX à partir de Custom Vision avec Windows ML (préversion préliminaire).

• Convertir des modèles existants à l’aide de ONNXMLTools : ce package Python permet de convertir les modèles de plusieurs formats de framework d’entraînement au format ONNX. En tant que développeur, vous pouvez spécifier la version d’ONNX dans laquelle vous voulez convertir votre modèle, en fonction des builds de Windows ciblées par votre application. Si vous ne connaissez pas très bien Python, vous pouvez utiliser le tableau de bord basé sur l’interface utilisateur de Windows ML pour convertir facilement vos modèles en quelques clics seulement.

Important

Les versions d’ONNX ne sont pas toutes prises en charge par Windows ML. Pour savoir quelles versions d’ONNX sont officiellement prises en charge dans les versions de Windows ciblées par votre application, consultez Versions d’ONNX et builds de Windows.

Une fois que vous disposez d’un modèle ONNX, vous l’intégrez au code de votre application, après quoi vous pouvez utiliser le machine learning dans vos applications et appareils Windows.

Remarque

Utilisez les ressources suivantes pour obtenir de l’aide sur Windows ML :

• Pour poser des questions techniques ou apporter des réponses à des questions techniques sur Windows ML, veuillez utiliser le mot clé windows-machine-learning sur Stack Overflow.
• Pour signaler un bogue, veuillez signaler un problème dans notre plateforme GitHub.