Modelli ONNX

Windows Machine Learning supporta i modelli in formato Open Neural Network Exchange (ONNX). ONNX è un formato aperto per i modelli di Machine Learning, che ti consente di interscambiare i modelli tra vari framework e strumenti di Machine Learning.

Esistono diversi modi in cui puoi ottenere un modello in formato ONNX, tra cui:

• ONNX Model Zoo: contiene diversi modelli ONNX con training preliminare per diversi tipi di attività. Scarica una versione supportata da Windows ML per iniziare.

• Esportazione nativa da framework di training ml: diversi framework di training supportano la funzionalità di esportazione nativa in ONNX, ad esempio Chainer, Caffee2 e PyTorch, consentendo di salvare il modello sottoposto a training in versioni specifiche del formato ONNX. Anche i servizi come Azure Machine Learning e Visione personalizzata di Azure offrono l'esportazione ONNX nativa.

  • Per informazioni su come eseguire il training e l'esportazione di un modello ONNX nel cloud usando Visione personalizzata, vedere Esercitazione: Usare un modello ONNX da Visione personalizzata con Windows ML (anteprima).

• Convertire i modelli esistenti usando ONNXMLTools: questo pacchetto Python consente di convertire i modelli da diversi formati di framework di training a ONNX. Come sviluppatore puoi specificare la versione di ONNX a cui vuoi convertire il modello, a seconda delle build di Windows di destinazione della tua applicazione. Se non hai familiarità con Python, puoi usare il dashboard basato sull'interfaccia utente di Windows ML per convertire facilmente i modelli con pochi clic.

Importante

Non tutte le versioni di ONNX sono supportate da Windows ML. Per informazioni sulle versioni di ONNX supportate ufficialmente nelle versioni di Windows di destinazione dell'applicazione, vedi Versioni di ONNX e build di Windows.

Una volta ottenuto un modello ONNX, potrai integrarlo nel codice dell'app e quindi usare Machine Learning nelle app e nei dispositivi Windows.

Nota

Per informazioni su Windows Machine Learning, usa le risorse seguenti:

• Per porre domande tecniche o rispondere a domande tecniche su Windows Machine Learning, usa il tag windows-machine-learning in Stack Overflow.
• Per segnalare un bug, registra il problema in GitHub.