本次 Windows DeveloperDay，最值得期待的莫过于 Windows AI Platform 了，可以说是千呼万唤始出来。观看直播的开发者们，留言最多的也是Windows AI Platform。
下面结合微软提供的展示过程，文档和 Git Sample来详细分析一下。
基础概念
1.基础认知
众所周知，目前 AI（ArtificialIntelligence）的主要实现方式就是机器学习（Machine Learning），而 Windows AI Platform对应的就是 Windows Machine Learning。
微软官方对于它的描述如下：
Windows Machine Learning (ML)evaluates trained machine learning models locally on Windows 10devices, allowing developers to use pre-trained models within theirapplications. The platform provides hardware-acceleratedperformance by leveraging the device's CPU or GPU to computeevaluations for both classical Machine Learning algorithms and DeepLearning.
结合这一描述，我们可以简单总结出 Windows ML的几个特点：
硬件加速 在支持 DirectX12的硬件设备上，Windows ML 可以利用 GPU对模型的评估实现加速。
本地评估 Windows ML可以利用本地硬件进行模型评估，减少了模型上传到云端造成的服务端流量成本和服务端压力。可以更快速便捷的得到结果。
图像处理 在机器视觉场景，Windows ML简化并优化了图像、视频文件和视频流的处理，对输入源做预处理和摄像头管道处理。
2.模型格式
Windows ML 的模型格式是 ONNX，OpenNeural Network Exchange，是 Microsoft 和 Facebook、Amazon等公司制定的机器学习模型文件格式标准。在目前很多主流模型训练框架中，都有 ONNX 的原生支持，或者可以支持其他格式转换为 ONNX格式。 这里是 ONNX 的 Git 主页，大家可以详细了解：
GitHub Open Neural NetworkExchange
https://github.com/onnx/onnx
另外大家可以通过 WinMLTools来把其他格式的模型文件转换为 ONNX 格式，这里是 WinMLTools 地址：
Python WinMLTools0.1.0.5072.
https://pypi.python.org/pypi/winmltools
可以转换的格式有 CoreML/Scikit-Learn/XGBoost/LibSVM。
另外 ONNX 支持超过 100 种运算符，针对 CPU 或GPU 有不同的运算符支持，这里是运算符列表：
https://github.com/onnx/onnx/blob/rel-1.0/docs/Operators.md
3.技术架构
从这张架构图来看：
底层是 Direct 层的 DirectMLAPI/Direct3D/CPU/GPU，DirectX 的版本支持是DX12
上面一层是推断引擎，包括了 Win32 和 WinRT部分，主要负责模型和设备资源管理，负责加载和编辑核心操作符，执行数据流图
最上层是应用程序层，同样包括了 Win32 和 WinRT部分；令人欣喜的是，它在所有 2018 年的 Windows 版本上都可用
开发过程
1.概述
目前 Windows AI Platform还是预览版内容，所以需要预览版的 Windows OS 和 WIndows 10SDK，下面是下载地址：
Windows Insider PreviewDownloads
https://www.microsoft.com/en-us/software-download/windowsinsiderpreviewSDK?tduid=$99d2ae517011e195aa44adc73e9fa9fa$$259740$$2542549$$UUwpUdUnU52357$$dwp$&wa=wsignin1.0
其中 Visual Studio 的版本要求是Community、Professional 或 Enterprise，Community版本的获取最为简单，建议实验性需求时使用这个版本。
先来看一张发布会的展示图：
从上图中可以看出整个 Windows ML的使用过程：
首先在云端或者本地服务器上训练模型，生成 ONNX模型文件
把 ONNX 添加到本地开发环境，如 VisualStudio 中
在本地程序中通过 Windows 10 SDK 使用和评估ONNX 模型的性能和学习结果
把集成了 ONNX 的本地程序发布到 Windows序列的全平台各种设备中
2.示例分析
Windows ML 的示例 Git地址：
GitHubWindows-Machine-Learning
https://github.com/Microsoft/Windows-Machine-Learning
上面的链接中也提供了 Windows InsiderPreview 17110 OS、Windows 10 SDK 17110 和 Visual Studio 2017的下载地址，按照指示我下载安装好了开发环境。
来看第一个示例：MNIST_Demo，是一个手写数字识别的UWP 程序，大家都知道，手写数字识别是 Machine Learning 的基础和入门课题，就像每种编程语言的 HelloWorld 一样，我们借这个示例来看一下 Windows ML 对于 ONNX 模型和 Windows 10 SDK的使用过程。
首先来看一下示例在 Visual Studio中的工程结构：
这里我们可以看到：
Universal Windows，也就是 Windows10 SDK 的引用版本是：10.0.17110.0，也就是 Windows ML 支持的最低版本预览版SDK
mnist.onnx，也就是前面说明的 Windows ML模型支持格式，被直接添加到了解决方案中的 Assets 文件夹中，Build Action 为“Content”
而在 mnist.cs 文件中
using System;
usingSystem.Collections.Generic;
usingSystem.Threading.Tasks;
usingWindows.Media;
usingWindows.Storage;
usingWindows.AI.MachineLearning.Preview;
...
...
publicsealed class MNISTModel
{
private LearningModelPreviewlearningModel;
...
我们可以看到，Windows ML的命名空间是：
Windows.AI.MachineLearning.Preview
可以看得出，目前因为还是预览版本，所有命名空间包含了Preview 的字样，但 Windows.AI.MachineLearning 这个命名空间应该可以确定。
来看看 Windows ML winmd的结构：
而模型的名称是LearningModelPreview，来看一下类的定义：
#region 程序集Windows.AI.MachineLearning.Preview.MachineLearningPreviewContract,Version=1.0.0.0, Culture=neutral, PublicKeyToken=null,ContentType=WindowsRuntime
// C:\Program Files(x86)\WindowsKits\10\References\10.0.17110.0\Windows.AI.MachineLearning.Preview.MachineLearningPreviewContract\1.0.0.0\Windows.AI.MachineLearning.Preview.MachineLearningPreviewContract.winmd
#endregion
usingSystem.Collections.Generic;
usingWindows.Foundation;
usingWindows.Foundation.Metadata;
usingWindows.Storage;
usingWindows.Storage.Streams;
namespaceWindows.AI.MachineLearning.Preview
{
[ContractVersion(typeof(MachineLearningPreviewContract),65536)]
[Static(typeof(ILearningModelPreviewStatics),65536,"Windows.AI.MachineLearning.Preview.MachineLearningPreviewContract")]
public sealed class LearningModelPreview :ILearningModelPreview
{
[RemoteAsync]
publicIAsyncOperation EvaluateAsync(LearningModelBindingPreview binding,string correlationId);
[RemoteAsync]
publicIAsyncOperation EvaluateFeaturesAsync(IDictionary features, stringcorrelationId);
[RemoteAsync]
publicstatic IAsyncOperation LoadModelFromStorageFileAsync(IStorageFilemodelFile);
[RemoteAsync]
publicstatic IAsyncOperationLoadModelFromStreamAsync(IRandomAccessStreamReferencemodelStream);
publicInferencingOptionsPreview InferencingOptions { get; set;}
publicLearningModelDescriptionPreview Description { get; }
}
}
这个类包含了推断选项、模型的两种加载方式和模型评估方法。
接下来看看界面代码中模型实际的加载方式：
private async voidLoadModel()
{
//Load a machine learning model
StorageFile modelFile = awaitStorageFile.GetFileFromApplicationUriAsync(newUri($"ms-appx:///Assets/MNIST.onnx"));
ModelGen = awaitMNISTModel.CreateMNISTModel(modelFile);
}
public static async TaskCreateMNISTModel(StorageFile file)
{
LearningModelPreview learningModel = awaitLearningModelPreview.LoadModelFromStorageFileAsync(file);
MNISTModel model = newMNISTModel();
model.learningModel =learningModel;
return model;
}
mnist.onnx 模型文件被作为一个项目文件被加载到StorageFile 中，使用 mnist 类的 CreateMNISTModel 方法，具体说是LearningModelPreview 类的 LoadModelFromStorageFileAsync方法完成模型加载。
整个 Sample 完成的事情就是使用 InkCanvas获取用户的手写输入，输入给 Windows ML 进行检测，输出检测结果。来看看运行结果：
另外发布会的展示过程中还展示了其他的Sample，这里暂不详细介绍，大家可以看看它完成的效果：
这是一个图片艺术化风格转换的 Sample，类似 Prisma的实现方式。尤其是第二张，是从摄像头采集图像的实时转换，摄像头图像流的帧率应该在 30帧以上，依然能在本地运行模型的情况下，完成实时转换。这也让我们对本地程序完成视频风格转换很有信心。
到这里，对于 Windows AI Platform 和Windows ML的介绍就完成了，因为目前官方提供的还是预览版，而且公开的内容还不够多，后续我们会继续跟进研究，欢迎大家一起讨论，谢谢！
