Notas de versão
Esta página registra atualizações para o Windows ML nos builds mais recentes do SDK do Windows 10 e do Pacote NuGet.
Pacote NuGet do Windows ML – Versão 1.9
- Baixe o NuGet aqui.
- Criado no Runtime do ONNX 1.9.
- WinML – a correção de dependência de DLL dá suporte para modelos de aprendizado no Windows 8.1.
Pacote NuGet do Windows ML – Versão 1.8
- Baixe o NuGet aqui.
- Criado no Runtime do ONNX 1.8.
- Nova API WinML nativa,
SetIntraOpThreadSpinning
. A API é usada para alternar o comportamento de rotação de thread IntraOp. Quando o recurso está habilitado e não há carga de trabalho, os threads IntraOp continuam a girar por mais algum tempo enquanto aguardam a conclusão do trabalho adicional. Isso pode melhorar o desempenho da carga de trabalho atual, mas pode afetar o desempenho de outras cargas de trabalho não relacionadas. O recurso está habilitado por padrão.
Pacote NuGet do Windows ML – Versão 1.7
- Baixe o NuGet aqui
- Criado no Runtime do ONNX 1.7
- . Suporte do NET5 – funcionará com projeções do .NET5 Standard 2.0.
- Descritores de imagem expõem propriedades NominalPixelRange
- Suporte nativo adicionado para intervalos de pixel adicionais [0...1] e [-1...1] em modelos de imagem.
- Uma nova propriedade é adicionada à runtimeclass ImageFeatureDescriptor para expor a propriedade ImageNominalPixelRange em ImageFeatureDescriptor. Outras propriedades semelhantes expostas são a BitmapPixelFormat e a BitmapAlphaMode da imagem.
- Correção de bugs e melhorias de desempenho.
- Os marcadores DirectML PIX são adicionados ao Redist para habilitar o gráfico de criação de perfil no nível do operador.
- Correções aplicadas para garantir que o pacote seja instalado corretamente em projetos UWP do C# no Visual Studio.
Pacote NuGet do Windows ML – Versão 1.6
- Baixe o NuGet aqui
- Criado no Runtime do ONNX 1.6
- Suporte para aplicativos UWP direcionados à implantação da Microsoft Store para CPU e GPU.
- O WindowsAI Redist agora inclui um pacote de runtime do C vinculado estaticamente para opções de implantação adicionais.
- Pequenos aprimoramentos da API: os usuários agora podem associar Iterable como entradas e saídas, além de poderem criar um Tensor* por meio de múltiplos buffers.
Pacote NuGet do Windows ML – Versão 1.5
- Suporte para aplicativos UWP direcionados à implantação da Microsoft Store (somente CPU).
- Suporte para aplicativos .NET e .NET Framework.
- Suporte para desenvolvedores do Rust – exemplo e documentação disponíveis
- Novas APIs para controle de desempenho adicional:
- IntraopNumThreads: Fornece uma capacidade de alterar o número de threads usados no ThreadPool para a execução de operador intra para operadores de CPU por meio do parâmetro LearningModelSessionOptions.
- [SetNamedDimensionOverrides]((/native-apis/SetNamedDimensionOverrides.md): Fornece a capacidade de substituir as dimensões de entrada nomeadas por valores concretos por meio do parâmetro LearningModelSessionOptions para obter um melhor desempenho de runtime.
- Suporte para denotações de tipo da imagem de formato ONNX adicionais – Gray8, normalizado [0..1] e normalizado [-1..1].
- Tamanho de pacote reduzido separando os símbolos de depuração em um pacote de distribuição separado.
Pacote NuGet do Windows ML – Versão 1.4
- Baixe o NuGet aqui
- Criado no Runtime do ONNX 1.4
- Suporte para ONNX 1.6 e opset 11.
- Aprimoramentos gerais de desempenho e usabilidade.
Pacote NuGet do Windows ML – Versão 1.3
- Baixe o NuGet aqui
- Criado no Runtime do ONNX 1.3
- Corresponde ao MachineLearningContract v3.
- Suporte para ONNX 1.6 e opset 11.
- A execução da CPU tem suporte até o Windows 8.1. A execução da GPU tem suporte até o Windows 10 versão 1709.
- Caminhos testados conhecidos e certificados são Aplicativos da Área de Trabalho que usam o C++. Ainda não há suporte para aplicativos da Store e para o Kit de Certificação de Aplicativos do Windows.
Build 19041 (Windows 10, versão 2004)
Suporte para ONNX 1.4 e opset 9 (CPU e GPU)
Adições de superfície de API:
- CloseModelOnSessionCreation: novo parâmetro LearningModelSessionOptions a ser configurado para reduzir a memória de trabalho.
Ferramentas:
- Os conversores WinMLTools são compatíveis com as novas versões e opsets do ONNX
- Otimizações para WinMLRunner expondo novas métricas de desempenho
Build 18362 (Windows 10, versão 1903)
Todos os recursos e atualizações de builds já pré-lançados:
- Suporte do ONNX 1.3
- Suporte para redução do tamanho do modelo por meio de quantificação de peso pós-treinamento. Você pode usar a versão mais recente do WinMLTools para empacotar os pesos de seu modelo para int8.
- Remoção de mlgen do SDK do Windows 10 – use uma das seguintes extensões do Visual Studio no lugar dele:
- Visual Studio 2017: Gerador de código do Windows Machine Learning VS 2017
- Visual Studio 2019: Extensão do gerador de código do Windows Machine Learning
Build 18829
- O mlgen foi removido do SDK do Windows 10. Em vez disso, instale uma das seguintes extensões do Visual Studio, dependendo da sua versão:
- Visual Studio 2017: Gerador de código do Windows Machine Learning VS 2017
- Visual Studio 2019: Extensão do gerador de código do Windows Machine Learning
Build 18290
- Versão mínima do ONNX compatível = 1.2.2 (opset 7)
- Versão máxima do ONNX compatível = 1.3 (opset 8)
- Dá suporte à redução do tamanho do modelo por meio de quantificação de peso pós-treinamento. Você pode usar a versão mais recente do WinMLTools para empacotar os pesos de seu modelo para int8.
Build 17763 (Windows 10, versão 1809)
- Primeiro lançamento oficial do Windows Machine Learning.
- Requer o ONNX v1.2.
- O namespace Windows.AI.MachineLearning.Preview foi preterido em favor do namespace Windows.AI.MachineLearning.
Problemas conhecidos
- Para modelos que contêm sequências, o MLGen gera um IList<Dictionary<key, value>> em vez do IList<IDictionary<key, value>>, que seria o adequado, levando a resultados vazios. Para corrigir esse problema, basta substituir o código gerado automaticamente pelo IList<IDictionary<key, value>> adequado.
Build 17723
- Requer o ONNX v1.2.
- Dá suporte a tipos de dados F16 com inferências de modelo baseadas em GPU para melhor desempenho e menor volume de modelo. Você pode usar o WinMLTools para converter seus modelos de FP32 para FP16.
- Permite que os aplicativos da área de trabalho consumam APIs do Windows.AI.MachineLearning com WinRT/C++.
Observação
Use os recursos a seguir para obter ajuda com o Windows ML:
- Para fazer perguntas ou responder a perguntas técnicas sobre o Windows ML, use a marca windows-machine-learning no Stack Overflow.
- Para relatar um bug, registre um problema no nosso GitHub.