Analisi dei dati con PyTorch e Windows ML

Windows Machine Learning può essere usato per eseguire stime su set di dati tabulari, stimando i valori numerici in base a variabili di input indipendenti. Questa guida usa un set di dati specifico in formato Excel, ma le procedure descritte funzioneranno per qualsiasi attività correlata usando un set di dati tabulare di propria scelta.

Questa guida illustra come risolvere un'attività di classificazione con una rete neurale usando la libreria PyTorch, esportare il modello nel formato ONNX e distribuirlo in un'applicazione di Windows Machine Learning in esecuzione localmente nel dispositivo Windows.

Sono necessarie conoscenze di base nei linguaggi di programmazione Python e C#. L'esperienza precedente in Machine Learning è preferibile ma non necessaria.

Per passare direttamente all'installazione, vedere Installare PyTorch.

Se pyTorch è già stato configurato, avviare il processo di training del modello recuperando i dati.

Quando si è pronti per iniziare a usare i dati, è possibile iniziare a eseguire il training del modello e quindi convertirlo nel formato ONNX.

Se si ha un modello ONNX e si vuole imparare a creare un'app WinML da zero, passare alla distribuzione del modello.

Nota

Se si vuole, è possibile clonare il repository degli esempi di Windows Machine Learning ed eseguire il codice completato per questa esercitazione. È possibile trovare la soluzione di training PyTorch qui o l'app di Windows ML completata qui. Se si usa il file PyTorch, assicurarsi di configurare l'interprete PyTorch pertinente prima di eseguirlo.

Scenario

In questa esercitazione verrà creata un'applicazione di analisi dei dati di Machine Learning per stimare il tipo di fiori iris. A questo scopo, si userà il set di dati dei fiori iris di Fisher. Verrà eseguito il training del modello per riconoscere determinati tipi di modelli iris e prevedere il tipo corretto.

Prerequisiti per PyTorch - Training del modello:

PyTorch è supportato nelle distribuzioni di Windows seguenti:

• Windows 7 e versioni successive. Windows 10 o versione successiva consigliata.
• Windows Server 2008 r2 e versioni successive

Per usare Pytorch in Windows, è necessario che Python 3.x sia installato. Python 2.x non è supportato.

Prerequisiti per la distribuzione di app di Windows ML

Per creare e distribuire un'app WinML, è necessario quanto segue:

• Windows 10 versione 1809 (build 17763) o versione successiva. È possibile controllare il numero di versione della build eseguendo winver tramite il comando (Windows logo key + R)Esegui .
• Windows SDK per la build 17763 o successiva. È possibile ottenere l'SDK qui.
• Visual Studio 2017 versione 15.7 o successiva. È consigliabile usare Visual Studio 2019 e alcune schermate in questa esercitazione potrebbero essere diverse se si usa VS2017. È possibile ottenere Visual Studio qui.
• Dovrai anche abilitare la modalità sviluppatore nel PC

Nota

Le API di Windows ML sono integrate nelle versioni più recenti di Windows 10 (1809 o versioni successive) e Windows Server 2019. Se la piattaforma di destinazione è versioni precedenti di Windows, puoi convertire l'app WinML nel pacchetto NuGet ridistribuibile (Windows 8.1 o versione successiva).

Passaggi successivi

Si inizierà installando PyTorch e configurando l'ambiente

Importante

PyTorch, il logo PyTorch ed eventuali marchi correlati sono marchi registrati di Facebook, Inc.