O que é um modelo de machine learning?
Um modelo de machine learning é um objeto (armazenado localmente em um arquivo) que foi treinado para reconhecer determinados tipos de padrões. Você treina um modelo em um conjunto de dados, fornecendo-lhe um algoritmo que ele pode usar para raciocinar e aprender com esses dados.
Depois de treinar o modelo, você pode usá-lo para raciocinar sobre os dados que ele não viu antes e fazer previsões sobre esses dados. Por exemplo, digamos que você queira criar um aplicativo que possa reconhecer as emoções de um usuário com base em suas expressões faciais. Você pode treinar um modelo fornecendo-lhe imagens de rostos marcados com uma determinada emoção e, em seguida, você pode usar esse modelo em um aplicativo que pode reconhecer a emoção de qualquer usuário.
gráfico de fluxo de modelo do Windows ML
Quando usar o Machine Learning
Bons cenários de aprendizado de máquina geralmente têm as seguintes propriedades comuns:
- Elas envolvem uma decisão ou avaliação repetida que você deseja automatizar e precisa de resultados consistentes.
- É difícil ou impossível descrever explicitamente a solução ou os critérios por trás de uma decisão.
- Você tem dados rotulados ou exemplos existentes nos quais pode descrever a situação e mapeá-los para o resultado correto.
O Windows Machine Learning usa o formato Open Neural Network Exchange (ONNX) para seus modelos. Você pode baixar um modelo pré-treinado ou treinar seu próprio modelo. Consulte Obter modelos ONNX para o Windows ML para obter mais informações.
Começar
Você pode começar a usar o Windows Machine Learning seguindo um de nossos tutoriais de aplicativo completo ou pulando diretamente para os exemplos do Windows Machine Learning.
Nota
Use os seguintes recursos para obter ajuda com o Windows ML:
- Para fazer ou responder perguntas técnicas sobre o Windows ML, use a tag windows-machine-learning no Stack Overflow.
- Para relatar um bug, registre um problema em nosso github.