ajax jsp网站开发从入门到精通,东莞专业做淘宝网站推广,建设工程消防监督管理规定网站,自己做的网站怎么在百度可以查到下一轮Windows 10更新为Windows应用程序与人工智能功能的集成提供了新途径#xff0c;将直接令数以亿计的个人电脑、平板、IoT边缘设备等Windows设备受益。新版Windows ML平台可供开发者直接通过Visual Studio将预先训练好的深度学习模型与自己的应用程序集成#xff0c;在导… 下一轮Windows 10更新为Windows应用程序与人工智能功能的集成提供了新途径将直接令数以亿计的个人电脑、平板、IoT边缘设备等Windows设备受益。新版Windows ML平台可供开发者直接通过Visual Studio将预先训练好的深度学习模型与自己的应用程序集成在导入VS工具前模型必须转换为Open Neural Network ExchangeONNX格式。ONNX是一种开源的机器学习框架由微软和Facebook在2017年9月发布随后AWS也加入了这一项目。ONNX使得不同神经网络框架可以相互移植将使用诸如Pytorch、Apache MxNet、caffe2或Microsoft Cognitive ToolkitCNTK等工具训练的模型能够转换为ONNX格式并应用在Windows应用程序中。包括NVIDIA、Intel、Qualcomm以及AMD在内的众多Windows硬件供应商已经开始支持该格式并发布了面向ONNX优化的硬件。微软的很多应用程序和服务中均已广泛应用了人工智能技术例如图像和面容处理、搜索结果相关性、语音识别以及数据安全等。这些AI功能依赖在云端训练的模型需要耗费密集的计算资源。然而对于云端API的以来会导致产品功能在使用过程中遇到延迟让用户产生与数据隐私有关的顾虑并且会增加设备能耗。借助Windows ML与ONNX的配合需要耗费大量计算能力的模型训练过程依然可以放在云端进行但推理和计算操作可以直接在应用程序中进行。这样便可脱机使用可降低能耗避免需要外传私密数据同时由于延迟大幅降低还可实现实时处理。在构建模型的过程中开发者和数据科学家依然可以根据习惯选择自己最适应的框架随后可将训练好的模型转换为ONNX格式并将转换后的模型集成到Windows应用程序中。据Gartner的调研设备上的人工智能能力其潜在用例主要将围绕个人助理、欺诈检测、设备资源优化或虚拟现实等。嵌入式的人工智能能力还能让需要直接使用用户私密数据的应用程序如医疗健康诊断、个性化书写工具、生物特征身份验证等工具获益。Windows ML并非仅限深度学习模型同样可用于导入来自其他框架的经典机器学习模型例如Core ML、Scikit-Learn、XGBoost以及LibSVM。Apple也按照类似方式提供了CoreML模型格式。CoreML是一种Python软件包可将多种类型的模型转换为CoreML模型格式并集成到macOS和iOS应用中。CoreML更倾向于经典机器学习模型例如Scikit-Learn、LIBSVM和XGBoost并且仅支持Caffe V1和Keras 1.2这两个深度学习框架。此外Google也在通过TensorFlow Lite框架将机器学习能力带到运行Android的移动设备上。虽然TensorFlow和Core ML并不兼容ONNX但社区项目提供的ONNX-TensorFlow以及ONNX-CoreML库可分别将相应的模型转换为ONNX格式。人工智能技术的应用范围正在飞速增加而这一趋势与将一定程度的机器学习能力嵌入IoT设备以改善效率的做法不谋而合。通过将人工智能能力直接推进到距离最终用户更近的设备和应用程序中微软、Google和Apple正在努力跑完人工智能之路的最后一公里。相关文章Microsoft AI - Custom Vision in C#原文地址http://www.infoq.com/cn/news/2018/03/microsoft-ai-windows10.NET社区新闻深度好文欢迎访问公众号文章汇总 http://www.csharpkit.com
