Windows Machine Learning 範例
GitHub 上的 Windows-Machine-Learning 存放庫包含示範如何使用 Windows Machine Learning 的範例應用程式，以及可協助您在開發期間驗證模型和針對問題進行疑難排解的工具。
範例
GitHub 上提供下列範例應用程式。
| 名稱 | 描述 |
|---|---|
| AdapterSelection (Win32 C++) | 一個傳統型應用程式，示範如何選擇特定的裝置介面卡來執行您的模型。 |
| BatchSupport | 示範如何使用 Windows ML 系結和評估輸入批次。 |
| 自訂運算子範例 (Win32 C++) | 定義多個自訂 CPU 運算子的傳統型應用程式。 其中一個是可以整合至您自己工作流程的偵錯運算子。 |
| 自訂 Tensorization (Win32 C++) | 示範如何在 CPU 和 GPU 上使用 Windows ML API 來張量輸入映射。 |
| 自訂視覺 (UWP C#) | 示範如何使用 自訂視覺在雲端中定型 ONNX 模型，並將它與 Windows ML 整合至應用程式。 |
| Emoji8 (UWP C#) | 示範如何使用 Windows ML 來提供有趣的表情偵測應用程式。 |
| FNS 樣式傳輸 (UWP C#) | 使用 FNS-Candy 樣式傳輸模型來重新建立影像或影片串流的樣式。 |
| MNIST (UWP C#/C++) | 對應至 教學課程：建立 Windows 機器學習 UWP 應用程式 （C#） 。 從頭開始進行教學課程，或執行已完成的專案。 |
| NamedDimensionOverrides | 示範如何將具名維度覆寫為具體值，以將模型效能優化。 |
| PlaneIdentifier (UWP C#，WPF C#) | 使用預先定型的機器學習模型 (使用 Azure 上的自訂視覺服務產生) 來偵測指定的影像是否包含特定物件：平面。 |
| RustSqueezeNet | 使用 SqueezeNet 的 WinRT Rust 投影。 |
| SqueezeNet 物件偵測 （Win32 C++， UWP C#/JavaScript， 。NET5，。NETCORE） | 使用 SqueezeNet (預先定型的機器學習模型) 來偵測使用者從檔案所選取影像中的主要物件。 |
| SqueezeNet 物件偵測 (Windows 上的 Azure IoT Edge，C#) | 這是一個範例模組，示範如何在 Windows 上執行的 Azure IoT Edge 模組中執行 Windows ML 推斷。 影像是由連接的相機所提供，針對 SqueezeNet 模型推斷，並傳送至 IoT 中樞。 |
| StreamFromResource | 示範如何取得內嵌資源，其中包含 ONNX 模型，並將其轉換為可傳遞至 LearningModel 建構函式的資料流程。 |
| StyleTransfer （C#） | UWP 應用程式，會在使用者提供的輸入影像或 Web 相機串流上執行樣式傳輸。 |
| winml_tracker (ROS C++) | ROS（機器人作業系統）節點，其使用 Windows ML 來追蹤相機畫面中的人員（或其他物件）。 |
注意
使用下列資源取得 Windows ML 的說明：
- 如需詢問或回答有關 Windows ML 的技術問題，請使用 Stack Overflow 上的 windows-machine-learning 標籤。
- 如需回報錯誤 (bug)，請在 GitHub 上提出問題。