Recommended
More Related Content
Similar to Custom Vision e Win.ml per le nostre app intelligenti offline
Similar to Custom Vision e Win.ml per le nostre app intelligenti offline (20)
More from Alessio Iafrate
Custom Vision e Win.ml per le nostre app intelligenti offline
- 1. Custom Vision e Win.ml per le nostre app intelligenti offline Alessio Iafrate - Microsoft MVP & Freelance Developer
- 2. Thanks to
- 4. Di cosa parleremo oggi Introduzione al Machine Learning WinML Custom Vision Come ottenere un modello di ML Come utilizzarlo nelle nostre applicazioni
- 5. A G E N D A Alcuni problemi sono di difficile soluzione con algoritmi tradizionali e i normali linguaggi di programmazione.
- 6. A G E N D A AI può risolvere problemi complessi Smart Ink • Classificare le line come testo, forme o disegni • Classificare il testo in parole, paragrafi, liste • Estrarre delle entità: numeri di telefono, nomi e date • Associare dei significati come riferimenti alle date, contatti conosciuti
- 7. Dati catalogati Training dei dati Azure Databricks Azure Machine Learning Quickly launch and scale Spark on demand Rich interactive workspace and notebooks Seamless integration with all Azure data services Broad frameworks and tools support: TensorFlow, Cognitive Toolkit, Caffe2, Keras, MxNET, PyTorch Elaborazione In Cloud – On the edge Docker containers Windows Machine Learning Il ciclo dell’AI
- 8. ScalabilitàBassa latenza Flessibilità AI on the edge, perchè
- 9. Windows ML Gli sviluppatori possono focalizzarsi sui dati e gli scenari, utilizzando Windows ML come motore per la valutazione del modello E’ possible utilizzare modelli addestrati con diversi tipi di toolkits La possibilità di utilizzare l’accelerazione Hardware permette di ottere risultati di elaborazione sfruttando tutta la potenza della macchina Direct3D GPU CPU DirectML Model Inference Engine WinML Win32 API WinML UWP API Win32 App WinML Runtime UWP App
- 10. A G E N D A
- 11. Azure Machine Learning Services una soluzione end-to-end per preparare e dati ed addestrare il proprio modello nel Cloud. WinMLTools che può convertire modelli esistenti da CoreML, scikit-learn, LIBSVM, and XGBoost Azure Custom Vision che permette di creare i propri modelli a partire da una galleria di immagini - https://customvision.ai/ Azure AI Gallery con un elenco di modelli già pronti da utilizzare con Windows ML - https://gallery.azure.ai/models Possiamo esplorare i modelli ONNX con https://lutzroeder.github.io/netron/ Come ottenere un modello ONNX?
- 13. Custom Vision
- 14. Custom vision
- 15. Utilizziamo il nostro modello Addestramento del nostro modello Estrazione del file onnx Realizziamo la nostra applicazione Utilizziamo Win.ML Analizziamo il risultato
- 16. Visual studio 2017 (Qualsiasi versione) Windows 10 October 2018 Update (ONNX 1.2) Windows 10 SDK (Build >=17738) NB: Windows 10 RS4 utilizza WinML in versione Preview (ONNX 1.0!!!) La lista della spesa
- 17. Come iniziare Drag&Drop del file ONNX all’interno della solution, in questo modo Visual Studio creerà per noi la classe per la gestione del modello
- 18. Concetti fondamentali Discovery automatico dei parametri •Input •Output •Gestione Model 3 Classi •CreateFromStreamAsync •EvaluateAsync2 Metodi •ImageFeatureValue.CreateFromVideoFrameClassi di utilità
- 21. Thank You!!!
- 22. Question time
- 23. Thanks to