Windows ML，系统内置的机器学习平台初探

人工智能现在很火，虽然最近风头隐隐有被区块链盖过，但仍是未来技术转型的首选方向之一。作为AI核心的机器学习，目前也进化到了可以基于平台自动训练模型的地步，例如Azure Machine Learning Service和Google AutoML Service。这使得训练模型的难度大大降低，开发人员可以分出更多精力关注在训练好的模型应用上。

在这种背景下，各个操作系统平台纷纷推出内置的机器学习框架/运行环境，iOS有CoreML，Android有TensorFlow。Windows在最近的RS4（build 1803）更新之后，也正式内置了机器学习平台- Windows ML。

Windows ML是什么？

---

Windows ML是Windows全新的内置机器学习平台，用于本机执行预训练的机器学习模型，并提供了API允许我们快速集成到应用中。

它的亮点如下：

• 支持硬件加速

在兼容DirectX 12的设备上可以直接使用GPU加速运算，确保机器学习模型可以被高效执行。

• 本机执行

不依赖于任何远程服务，不受任何网络连接限制，本机即可达到低延迟高性能的执行效果。

• 图像处理优化

针对计算机视觉场景，对视频、图像和相机数据统一预处理为VideoFrame形式，简化图像处理流程。

模型要求

---

 

Windows ML目前仅支持执行ONNX格式模型，其他格式需要预先转换后再使用。

ONNX是由微软、Facebook和英特尔等公司推出的一个通用开放的机器学习模型格式，官方支持现有机器学习框架对其转换。ONNX项目地址

支持转换的现有模型来源：

• Core ML
• Scikit-Learn
• XGBoost
• LibSVM

使用的转换工具为微软提供的WinMLTools：https://pypi.org/project/winmltools/

转换工具使用教程请参考官方文档：https://docs.microsoft.com/en-us/windows/uwp/machine-learning/conversion-samples 

代码生成

---

 

在安装了Windows SDK Build 17110或更新版本后，默认会为Visual Studio 2017项目添加模型代码生成工具mlgen.exe。它可以根据添加的ONNX模型文件，Visual Studio 2017 Preview自动生成C#/CX的定义文件，方便代码直接调用。

这里以FNS-La-Muse模型为例，这是一个可以将图像转为特定风格的模型。

生成的代码如下：

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;
        }
    }
}

 目前由于SDK仍在预览中，所以Visual Studio正式版并不会自动调用mlgen工具生成定义文件，需要手动执行如下命令：

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

• INPUT-FILE: ONNX模型文件
• LANGUAGE: C++或者C#
• NAMESPACE: 命名空间
• OUTPUT-FILE: 输出路径，可缺省

 总结

---

有了Windows ML后我们可以实现以前难以实现的机器学习特性，同时不用依赖外部web service，很多创新的体验可以实现，不仅仅是在PC，甚至在HoloLens上同样可以运用机器学习的能力。

最后给大家安利下我的开源项目- Awesome WindowsML ONNX Models ，这个项目除了提供我已经验证过的模型外，还提供了CoreML模型的快速转换工具。

 

 同时我也在开发为HoloLens编写的Demo,最近将会和大家见面