Windows ML，系統內置的機器學習平台初探

人工智能現在很火，雖然最近風頭隱隱有被區塊鏈蓋過，但仍是未來技術轉型的首選方向之一。作為AI核心的機器學習，目前也進化到了可以基於平台自動訓練模型的地步，例如Azure Machine Learning Service和Google AutoML Service。這使得訓練模型的難度大大降低，開發人員可以分出更多精力關注在訓練好的模型應用上。

在這種背景下，各個操作系統平台紛紛推出內置的機器學習框架/運行環境，iOS有CoreML，Android有TensorFlow。Windows在最近的RS4（build 1803）更新之后，也正式內置了機器學習平台- Windows ML。

 

Windows ML是什么？

---

 

Windows ML是Windows全新的內置機器學習平台，用於本機執行預訓練的機器學習模型，並提供了API允許我們快速集成到應用中。

它的亮點如下：

• 支持硬件加速

在兼容DirectX 12的設備上可以直接使用GPU加速運算，確保機器學習模型可以被高效執行。

• 本機執行

不依賴於任何遠程服務，不受任何網絡連接限制，本機即可達到低延遲高性能的執行效果。

• 圖像處理優化

針對計算機視覺場景，對視頻、圖像和相機數據統一預處理為VideoFrame形式，簡化圖像處理流程。

 

模型要求

---

 

 

 

Windows ML目前僅支持執行ONNX格式模型，其他格式需要預先轉換后再使用。

ONNX是由微軟、Facebook和英特爾等公司推出的一個通用開放的機器學習模型格式，官方支持現有機器學習框架對其轉換。ONNX項目地址

支持轉換的現有模型來源：

• Core ML
• Scikit-Learn
• XGBoost
• LibSVM

使用的轉換工具為微軟提供的WinMLTools：https://pypi.org/project/winmltools/

轉換工具使用教程請參考官方文檔：https://docs.microsoft.com/en-us/windows/uwp/machine-learning/conversion-samples 

 

代碼生成

---

 

在安裝了Windows SDK Build 17110或更新版本后，默認會為Visual Studio 2017項目添加模型代碼生成工具mlgen.exe。它可以根據添加的ONNX模型文件，Visual Studio 2017 Preview自動生成C#/CX的定義文件，方便代碼直接調用。

這里以FNS-La-Muse模型為例，這是一個可以將圖像轉為特定風格的模型。

 

 

生成的代碼如下：

 

using System;
using System.Collections.Generic;
using System.Threading.Tasks;
using Windows.Media;
using Windows.Storage;
using Windows.AI.MachineLearning.Preview;

// FNSLaMuse

namespace Demo
{
    public sealed class FNSLaMuseModelInput
    {
        public VideoFrame inputImage { get; set; }
    }

    public sealed class FNSLaMuseModelOutput
    {
        public VideoFrame outputImage { get; set; }
        public FNSLaMuseModelOutput()
        {
            this.outputImage = VideoFrame.CreateWithSoftwareBitmap(new Windows.Graphics.Imaging.SoftwareBitmap(Windows.Graphics.Imaging.BitmapPixelFormat.Bgra8, 720, 720));
        }
    }

    public sealed class FNSLaMuseModel
    {
        private LearningModelPreview learningModel;
        public static async Task<FNSLaMuseModel> CreateFNSLaMuseModel(StorageFile file)
        {
            LearningModelPreview learningModel = await LearningModelPreview.LoadModelFromStorageFileAsync(file);
            FNSLaMuseModel model = new FNSLaMuseModel();
            model.learningModel = learningModel;
            return model;
        }
        public async Task<FNSLaMuseModelOutput> EvaluateAsync(FNSLaMuseModelInput input) {
            FNSLaMuseModelOutput output = new FNSLaMuseModelOutput();
            LearningModelBindingPreview binding = new LearningModelBindingPreview(learningModel);
            binding.Bind("inputImage", input.inputImage);
            binding.Bind("outputImage", output.outputImage);
            LearningModelEvaluationResultPreview evalResult = await learningModel.EvaluateAsync(binding, string.Empty);
            return output;
        }
    }
}

 

 目前由於SDK仍在預覽中，所以Visual Studio正式版並不會自動調用mlgen工具生成定義文件，需要手動執行如下命令：

mlgen -i INPUT-FILE -l LANGUAGE -n NAMESPACE [-o OUTPUT-FILE]

• INPUT-FILE: ONNX模型文件
• LANGUAGE: C++或者C#
• NAMESPACE: 命名空間
• OUTPUT-FILE: 輸出路徑，可缺省

 

 總結

---

 

有了Windows ML后我們可以實現以前難以實現的機器學習特性，同時不用依賴外部web service，很多創新的體驗可以實現，不僅僅是在PC，甚至在HoloLens上同樣可以運用機器學習的能力。

最后給大家安利下我的開源項目- Awesome WindowsML ONNX Models ，這個項目除了提供我已經驗證過的模型外，還提供了CoreML模型的快速轉換工具。

 

 

 同時我也在開發為HoloLens編寫的Demo,最近將會和大家見面