Exemplos de ML do Windows

O Windows ML suporta uma grande variedade de modelos ONNX para diferentes cenários de IA. Esta página fornece exemplos para usar Windows ML de diferentes frameworks e linguagens, bem como exemplos de modelos prontos a usar para tarefas comuns de IA.

Exemplos de APIs de Runtime, Geração de Texto e Reconhecimento de Fala

O catálogo experimental de exemplo de Windows ML inclui exemplos nativos em C++ e Python para a API de Runtime de baixo nível e para as APIs de Geração de Texto e Reconhecimento de Fala de nível superior. Exemplos em tempo de execução mostram carregamento explícito de modelos, ligação tensorial, execução de pipeline, compilação de modelos e ciclos de modelo de linguagem com estado. Os outros exemplos baseiam-se nos mesmos objetos de Runtime para demonstrar geração de texto, reconhecimento automático de fala Whisper, resultados em streaming e composição direta de uma transcrição para um prompt de geração de texto. Os exemplos nativos também demonstram cancelamento.

Use as amostras de Runtime quando precisar de controlar cada estágio do modelo ou operação do tensor. Use os exemplos de Geração de Texto ou Reconhecimento de Fala quando quiser que a aplicação forneça pipelines de Runtime compatíveis enquanto a API coordena um fluxo de trabalho de ML suportado. Para a relação entre as camadas, veja Gerar texto com o seu próprio modelo de linguagem usando Windows ML e Reconhecer fala com o seu próprio modelo Whisper usando Windows ML.

A AI Dev Gallery é a forma mais fácil de explorar exemplos de Windows ML. Dispõe o seguinte:

  • Demonstrações interativas para cada cenário de modelo
  • Código-fonte completo para cada exemplo
  • Exporta com um clique para um projeto Visual Studio para poderes usar o modelo na tua própria aplicação

Sugestão

Cada amostra de modelo na AI Dev Gallery inclui o código-fonte completo. Use a funcionalidade Exportar para Visual Studio para criar rapidamente um projeto funcional com o modelo escolhido.

Exemplos de integração de frameworks

O repositório SDK de Aplicações Windows Samples no GitHub contém aplicações de exemplo que demonstram como integrar o Windows ML em diferentes linguagens e frameworks.

Linguagem Framework Tipo de embalagem Tipo de dependência Link
C# Console Não embalado Dependente da estrutura Link
C# WPF Não embalado Dependente da estrutura Link
C# WinUI MSIX Dependente da estrutura Link
C# WinForms Não embalado Dependente da estrutura Link
C++ WinRT Console DLL com um EXE separado Dependente da estrutura Link
C++ WinRT Console Não embalado Autossuficiente Link
C++ WinRT Console MSIX Dependente da estrutura Link
C++ CMake Console Não embalado Autossuficiente Link
Python Console Não embalado Dependente da estrutura Link

Para o inventário completo de amostras de Windows ML, consulte a pasta WindowsML no repositório SDK de Aplicações Windows Samples.

Amostras de modelos por cenário

As secções seguintes listam os modelos disponíveis para cada cenário de IA, juntamente com o seu tamanho e suporte ao hardware. Clica em "Experimenta tu mesmo" para abrir o exemplo na aplicação AI Dev Gallery.

Grandes Modelos de Linguagem (LLMs) - Geração de texto

Gera respostas de texto conversacional usando modelos de linguagem de última geração.

Experimenta tu mesmo na aplicação AI Dev Gallery

Modelo Equipamento Tamanho
Phi 4 Mini CPU CPU 4,6 GB
Phi 3.5 Mini CPU ACC4 CPU 2,6 GB
Phi 3 Mini CPU CPU 2,5 GB
Phi 3 Mini CPU ACC4 CPU 2,5 GB
Phi 3 CPU Médio ACC4 CPU 8,6 GB
Processador Mistral 7B Instruct 0.2 CPU 4,6 GB
Mistral 7B Instruct 0.2 CPU ACC4 CPU 4,6 GB

Grandes Modelos de Linguagem (LLMs) - Multi-modais

Analisar imagens e gerar descrições de texto usando modelos de linguagem capacitados pela visão.

Experimenta tu mesmo na aplicação AI Dev Gallery

Modelo Equipamento Tamanho
Phi 3 Vision CPU CPU 3,0 GB
Phi 3.5 Vision CPU CPU 3,0 GB

Incorporação de texto (pesquisa semântica)

Converter texto em embeddings vetoriais para pesquisa semântica e correspondência por similaridade.

Experimenta tu mesmo na aplicação AI Dev Gallery

Modelo Equipamento Tamanho
all-MiniLM-L12-v2 Unidade Central de Processamento (CPU), Unidade de Processamento Gráfico (GPU) 127,2 MB
all-MiniLM-L6-v2 Unidade Central de Processamento (CPU), Unidade de Processamento Gráfico (GPU) 86,4 MB

Geração de imagens

Crie imagens a partir de prompts de texto usando modelos de difusão.

Experimenta tu mesmo na aplicação AI Dev Gallery

Modelo Equipamento Tamanho
Stable Diffusion v1.4 Unidade Central de Processamento (CPU), Unidade de Processamento Gráfico (GPU) 5,1 GB

Classificação das imagens

Classificar as imagens em categorias pré-definidas.

Experimenta tu mesmo na aplicação AI Dev Gallery

Modelo Equipamento Tamanho
MobileNet v2 1.0 Unidade Central de Processamento (CPU), Unidade de Processamento Gráfico (GPU) 13,3 MB
ResNet101 v1 7 Unidade Central de Processamento (CPU), Unidade de Processamento Gráfico (GPU) 170,6 MB
ResNet50 v1 7 Unidade Central de Processamento (CPU), Unidade de Processamento Gráfico (GPU) 97,8 MB
SqueezeNet 1.1 CPU, GPU, NPU 4,7 MB

Deteção de objetos de imagem

Detetar e localizar objetos dentro das imagens.

Experimenta tu mesmo na aplicação AI Dev Gallery

Modelo Equipamento Tamanho
RCNN 10 mais rápido Unidade Central de Processamento (CPU), Unidade de Processamento Gráfico (GPU) 159,6 MB
RCNN 12 mais rápida Unidade Central de Processamento (CPU), Unidade de Processamento Gráfico (GPU) 168,5 MB
YOLOv4 Unidade Central de Processamento (CPU), Unidade de Processamento Gráfico (GPU) 245,5 MB

Segmentação de imagem (deteção de fundo)

Separa os temas em primeiro plano dos fundos nas imagens.

Experimenta tu mesmo na aplicação AI Dev Gallery

Modelo Equipamento Tamanho
SINet CPU, GPU, NPU 404,7 KB

Deteção de poses humanas

Detetar poses do corpo humano e pontos-chave nas imagens.

Experimenta tu mesmo na aplicação AI Dev Gallery

Modelo Equipamento Tamanho
Postura HRNet CPU, GPU, NPU 108,9 MB

Segmentação de ruas

Segmente fotografias de rua em zonas detetáveis para condução autónoma e aplicações de mapeamento.

Experimenta tu mesmo na aplicação AI Dev Gallery

Modelo Equipamento Tamanho
FFNet 78s CPU, GPU, NPU 104,9 MB
FFNet 54s CPU, GPU, NPU 68,8 MB

Deteção de rostos

Detetar e localizar rostos humanos em imagens.

Experimenta tu mesmo na aplicação AI Dev Gallery

Modelo Equipamento Tamanho
FaceDetLite CPU, GPU, NPU 3,4 MB

Transcrição áudio (Voz para texto)

Converter áudio falado em texto escrito usando modelos de reconhecimento de voz.

Experimenta tu mesmo na aplicação AI Dev Gallery

Modelo Equipamento Tamanho
Whisper Tiny CPU CPU 73,8 MB
Whisper CPU Pequeno CPU 422,5 MB
Whisper Médio CPU CPU 1,3 GB

Consulte também

  • Última atualização a