Microsoft kündigt die Veröffentlichung von DirectML als eigenständige API an

Microsoft hat heute die Veröffentlichung von DirectML als eigenständige API für Win32-, UWP- und WSL-Anwendungen angekündigt.

DirectML ist in jedem der Milliarden Windows 10-Geräte weltweit verfügbar, und über hundert Anwendungen nutzen bereits DirectML – mit über zweihundert Millionen GPU-hardwarebeschleunigten Inferenzen, die täglich unter Windows ausgeführt werden.

Die Anwendungen reichen von Fotobearbeitungsanwendungen, die neue Benutzererfahrungen über KI ermöglichen, bis hin zu Tools, mit denen Sie mit geringem Aufwand Modelle für maschinelles Lernen für Ihre Anwendungen trainieren können, indem Sie die Rechenleistung jeder DirectX 12-GPU nutzen.

Um es Anwendungen noch einfacher zu machen, DirectML zu nutzen, veröffentlicht Microsoft DirectML als eigenständige API in einem einzigen NuGet-Paket. Microsoft.AI.DirectML.

Unten sehen Sie Beispiele, wie es bereits verwendet wird:

Modellrückschluss auf dem Edge mit Windows ML

Maschinelles Lernen ist Unternehmen Leute arbeiten mehr effizient und DirectML bietet   Performance-, Konformitäts- und Low-Level-Control-Entwickler technische um diese Erfahrungen zu ermöglichen. Frameworks wie Windows-ML und ONNX-Laufzeit Schicht auf DirectML, makIng. it einfach leistungsstark integrieren Maschinelles Lernen in Ihre Applikation. 

Einst die Domäne der Science-Fiction, sind Szenarien wie das „Verbessern“ eines Bildes jetzt mit kontextbezogenen Algorithmen möglich, die Pixel intelligenter ausfüllen als herkömmliche Bildverarbeitungstechniken. DxOs DeepPRIME Technologie veranschaulicht die Verwendung von neuronalen Netzen zum gleichzeitigen Entrauschen und demosaisch digitale Bilder. DxO Hebelwirkungen Windows ML und DirectML, um die Leistung und Qualität zu nutzen ihr Nutzer erwarten. 

Das Gesundheitswesen ist ein weiterer Bereich, der Techniken des maschinellen Lernens auf interessante Weise nutzt. Stellen Sie sich einen Sonographen vor, der ein Ultraschallgerät verwendet, um die Entwicklung des fötalen Gehirns während der Schwangerschaft seiner Patientin zu beurteilen. Das Erfassen der erforderlichen Ebenen und das Vornehmen der erforderlichen Messungen dafür ist eine Herausforderung, da es viele manuelle Eingaben des Sonographen erfordert. Hier kommen die Voluson™-Ultraschallgeräte von GE Healthcare ins Spiel: Vortrainierte neuronale Netze helfen dem Sonographen, der die Ultraschallsonde verwendet, automatisch bestimmte Bildgebungsebenen aus einem Volumen zu segmentieren und manuelle Messungen durchzuführen. Zuvor erforderte das Identifizieren der geeigneten Ebenen und Messungen zeitaufwändige manuelle Anpassungen. GE Healthcare verlässt sich auf Windows ML und DirectML, um konsistente und zuverlässige Ergebnisse für eine breite Palette seiner Ultraschallgeräte zu liefern.

Ein aufregender Wachstumsbereich befindet sich an der Schnittstelle von maschinellem Lernen und Echtzeitgrafiken in Videospielen, in denen die Leistung entscheidend ist. Frühe Anwendungen in diesem Bereich umfassen die Verwendung neuronaler Netze für eine überlegene Bildvergrößerung und das Ausfüllen der Abtastlücken von Raytrace-Bildern; Diese Techniken ermöglichen es, hochauflösendes Gameplay ohne die Kosten für hochauflösendes Rendering zu präsentieren. Das DirectML Super Resolution-Beispiel zeigt, wie sich DirectML nahtlos in diese grafikintensiven Echtzeitanwendungen integrieren lässt.

Maschinelles Lernen ist ein sich schnell entwickelndes Gebiet, und jeden Tag werden neue Anwendungen wie diese eingeführt: Modelle werden zum Transkribieren von Audio, zum Übersetzen handschriftlicher Notizen in Text, zur Fehlererkennung in der Fertigung und vielem mehr verwendet! DirectML bietet seit Windows 10, Version 1903, die für diese Szenarien erforderliche Hardwarebeschleunigungsunterstützung. Jetzt bietet das DirectML NuGet-Paket unsere neuesten Hardwarebeschleunigungsinvestitionen noch früher für Framework- und Anwendungsentwickler. Wenn Ihr Modell im ONNX-Format darstellbar ist, können auch Sie auf DirectML zurückgreifen.

Trainingsmodelle mit TensorFlow und Lobe

Die Beschleunigung der Inferenz ist der Ausgangspunkt von DirectML: Die Unterstützung von Trainingsworkloads über die Breite der GPUs im Windows-Ökosystem ist der nächste Schritt. Im September 2020 hat Microsoft Open-Source-TensorFlow mit DirectML um das beliebte TensorFlow-Framework herstellerübergreifend zu beschleunigen. Bei diesem Projekt geht es darum, schnelles Experimentieren und Trainieren auf Ihrem PC zu ermöglichen, unabhängig davon, welche GPU Sie auf Ihrem Gerät haben, mit einem einfachen und unkomplizierten Einrichtungsprozess. Microsoft weiß auch, dass viele Entwickler von maschinellem Lernen auf Tools, Bibliotheken und containerisierte Workloads angewiesen sind, die nur mit Unix-ähnlichen Betriebssystemen funktionieren, sodass DirectML in beiden Windows ausgeführt wird und das Windows-Subsystem für Linux. DirectML macht es Ihnen leicht, mit der Umgebung und GPU zu arbeiten, die Sie bereits haben.

Maschinelles Lernen wird auch mit Tools wie zunehmend zugänglich Lappen – eine benutzerfreundliche App mit allem, was Sie brauchen, um Ihre Ideen für maschinelles Lernen zum Leben zu erwecken. Um zu beginnen, sammeln und beschriften Sie Ihre Bilder und Lobe trainiert automatisch ein benutzerdefiniertes Modell für maschinelles Lernen für Sie. Unter Windows verwendet Lobe DirectML, um eine hervorragende Leistung über eine Vielzahl von GPUs hinweg zu liefern. Wenn das Training abgeschlossen ist, können Sie Ihr Modell ausprobieren und es an eine beliebige Plattform Ihrer Wahl senden.

Erste Schritte mit DirectML

Wenn Sie als Entwickler vom hardwarebeschleunigten maschinellen Lernen über DirectML profitieren möchten, sollten Sie noch heute mit dem Framework, Paket oder der Anwendung beginnen, die für Sie am besten geeignet sind:

Zusätzlich zu allen Investitionen hat Microsoft aktualisiert ihre Dokumentation Sie bringen mehr Details als je zuvor zusammen mit neuen Codebeispielen und Lernressourcen und erleichtern so die Integration von DirectML in Ihre Anwendung. Microsoft hat außerdem neue Inhalte für Entwickler hinzugefügt DirectML-GitHub Repo:

· DirectMLX, eine neue C ++ - Bibliothek, die DirectML umschließt, um eine einfachere und einfachere Verwendung zu ermöglichen, insbesondere zum Kombinieren von Operatoren zu Blöcken oder sogar zu vollständigen Modellen.

· PyDirectML, eine Python-Bindung, mit der Sie schnell mit DirectML und den Python-Beispielen experimentieren können, ohne ein vollständiges C ++ - Beispiel zu schreiben.

· Beispielanwendungen in beiden C + + und Python, einschließlich einer vollständigen End-to-End-Implementierung der Echtzeit-Objekterkennung unter Verwendung von YOlov4.

Dieser Beitrag kratzt nur an der Oberfläche dessen, was mit maschinellem Lernen und DirectML möglich ist, und Microsoft ist gespannt, wohin Entwickler DirectML als Nächstes führen.

KI-Entwickler können das im Auge behalten DirectML-GitHub für neue Ressourcen und zukünftige Updates der von Microsoft getätigten Investitionen.