Compartir a través de


Ejemplos de Windows ML

Windows ML admite una amplia variedad de modelos ONNX para diferentes escenarios de inteligencia artificial. En esta página se proporcionan ejemplos para usar Windows ML desde diferentes marcos y lenguajes, así como ejemplos de modelos listos para usar para tareas comunes de inteligencia artificial.

La Galería de desarrollo de IA es la manera más fácil de explorar ejemplos de Windows ML. Proporciona:

  • Demostraciones interactivas para cada escenario de modelo
  • Código fuente completo para cada ejemplo
  • Exportar con un solo clic a un proyecto de Visual Studio para que pueda usar el modelo en su propia aplicación.

Sugerencia

Cada ejemplo de modelo de la Galería de desarrollo de IA incluye código fuente completo. Use la característica Exportar a Visual Studio para crear rápidamente un proyecto de trabajo con el modelo elegido.

Ejemplos de integración de marcos

El repositorio ejemplos del SDK de aplicaciones de Windows en GitHub contiene aplicaciones de ejemplo que muestran cómo integrar Windows ML en distintos lenguajes y marcos.

Language Marco de referencia Tipo de empaquetado Tipo de dependencia Link
C# Console Desempaquetado Dependiente del marco de trabajo Vínculo
C# WPF (Windows Presentation Foundation) Desempaquetado Dependiente del marco de trabajo Vínculo
C# WinUI MSIX Dependiente del marco de trabajo Vínculo
C# WinForms Desempaquetado Dependiente del marco de trabajo Vínculo
C++ Console DLL con EXE independiente Dependiente del marco de trabajo Vínculo
C++ Console Desempaquetado Autónomo Vínculo
C++ Console MSIX Dependiente del marco de trabajo Vínculo
Pitón Console Desempaquetado Dependiente del marco de trabajo Vínculo

Ejemplos de modelos por escenario

En las secciones siguientes se enumeran los modelos disponibles para cada escenario de IA, junto con su tamaño y compatibilidad con hardware. Haga clic en "Pruébelo usted mismo" para abrir el ejemplo en la aplicación ai Dev Gallery.

Modelos de lenguaje grande (LLM): generación de texto

Genere respuestas de texto conversacional mediante modelos de lenguaje de última generación.

Pruébelo en la aplicación ai Dev Gallery

Modelo Equipamiento Tamaño
Phi 4 Mini CPU Unidad Central de Procesamiento (CPU) 4,6 GB
Phi 3.5 Mini CPU ACC4 Unidad Central de Procesamiento (CPU) 2,6 GB
Phi 3 Mini CPU Unidad Central de Procesamiento (CPU) 2,5 GB
Phi 3 Mini CPU ACC4 Unidad Central de Procesamiento (CPU) 2,5 GB
Phi 3 CPU Medio ACC4 Unidad Central de Procesamiento (CPU) 8,6 GB
Mistral 7B Instruct 0.2 CPU Unidad Central de Procesamiento (CPU) 4,6 GB
Mistral 7B Instrucción 0.2 CPU ACC4 Unidad Central de Procesamiento (CPU) 4,6 GB

Modelos de lenguaje grande (LLM): multi modal

Analice imágenes y genere descripciones de texto mediante modelos de lenguaje habilitados para visión.

Pruébelo en la aplicación ai Dev Gallery

Modelo Equipamiento Tamaño
Phi 3 Vision CPU Unidad Central de Procesamiento (CPU) 3,0 GB
Phi 3.5 Vision CPU Unidad Central de Procesamiento (CPU) 3,0 GB

Convierta texto en incrustaciones vectoriales para la búsqueda semántica y la coincidencia de similitud.

Pruébelo en la aplicación ai Dev Gallery

Modelo Equipamiento Tamaño
all-MiniLM-L12-v2 CPU, GPU 127,2 MB
all-MiniLM-L6-v2 CPU, GPU 86,4 MB

Generación de imágenes

Cree imágenes a partir de mensajes de texto mediante modelos de difusión.

Pruébelo en la aplicación ai Dev Gallery

Modelo Equipamiento Tamaño
Difusión estable v1.4 CPU, GPU 5,1 GB

Clasificación de imágenes

Clasificar imágenes en categorías predefinidas.

Pruébelo en la aplicación ai Dev Gallery

Modelo Equipamiento Tamaño
MobileNet v2 1.0 CPU, GPU 13,3 MB
ResNet101 v1 7 Unidad Central de Proceso (CPU), Unidad de Procesamiento Gráfico (GPU) 170,6 MB
ResNet50 v1 7 CPU, GPU 97,8 MB
SqueezeNet 1.1 CPU, GPU, NPU 4,7 MB

Detección de objetos de imagen

Detecte y busque objetos dentro de las imágenes.

Pruébelo en la aplicación ai Dev Gallery

Modelo Equipamiento Tamaño
RCNN 10 más rápido CPU (Unidad Central de Procesamiento), GPU (Unidad de Procesamiento Gráfico) 159,6 MB
RCNN 12 más rápido CPU, GPU 168,5 MB
YOLOv4 CPU, GPU 245,5 MB

Segmentación de imágenes (detección de fondo)

Separe los temas en primer plano de los fondos de las imágenes.

Pruébelo en la aplicación ai Dev Gallery

Modelo Equipamiento Tamaño
SINet CPU, GPU, NPU 404.7 KB

Detección de la posición humana

Detecte las posturas del cuerpo humano y los puntos clave en las imágenes.

Pruébelo en la aplicación ai Dev Gallery

Modelo Equipamiento Tamaño
Posición de HRNet CPU, GPU, NPU 108,9 MB

Segmentación de calles

Segmentar fotografías de calle en zonas detectables para aplicaciones de conducción y cartografía autónomas.

Pruébelo en la aplicación ai Dev Gallery

Modelo Equipamiento Tamaño
FFNet 78s CPU, GPU, NPU 104,9 MB
FFNet 54s CPU, GPU, NPU 68,8 MB

Detección de caras

Detectar y localizar caras humanas en imágenes.

Pruébelo en la aplicación ai Dev Gallery

Modelo Equipamiento Tamaño
FaceDetLite CPU, GPU, NPU 3,4 MB

Transcripción de audio (voz a texto)

Convierta el audio hablado en texto escrito mediante modelos de reconocimiento de voz.

Pruébelo en la aplicación ai Dev Gallery

Modelo Equipamiento Tamaño
Whisper Tiny CPU Unidad Central de Procesamiento (CPU) 73,8 MB
CPU Silenciosa Pequeña Unidad Central de Procesamiento (CPU) 422,5 MB
Cpu media de susurro Unidad Central de Procesamiento (CPU) 1,3 GB

Consulte también