Windows Machine Learning (ML) ha lanzado nuevas capacidades que permiten a desarrolladores de C#, C++ y Python ejecutar modelos de inteligencia artificial en formato ONNX de manera local en computadoras con Windows. Esta funcionalidad se logra a través de ONNX Runtime, que ofrece gestión automática de proveedores de ejecución para diferentes tipos de hardware, incluidos CPUs, GPUs y NPUs. Al utilizar este entorno, los modelos generados en plataformas como PyTorch, TensorFlow/Keras y scikit-learn pueden ser aprovechados de forma eficiente.
Entre los beneficios clave de Windows ML se encuentra la posibilidad de descargar dinámicamente los últimos proveedores de ejecución específicos del hardware, así como el uso de un runtime compartido que reduce la necesidad de incluir archivos pesados en las aplicaciones. Esto no solo optimiza el tamaño de las descargas e instalaciones, sino que también asegura un amplio soporte de hardware, funcionando en cualquier PC que cumpla con las especificaciones de Windows 11.
Los requisitos del sistema para utilizar esta herramienta son sencillos: es necesario contar con Windows 11 versión 24H2 o superior, y puede ejecutarse en arquitecturas x64 o ARM64. La variedad en la configuración del hardware permite que esta plataforma sea accesible para diferentes escenarios, desde CPUs integrados hasta GPUs discretas.
Los proveedores de ejecución (EP) son componentes cruciales que permiten optimizar las operaciones de machine learning según el hardware específico. Windows ML presenta un enfoque innovador al permitir la descarga automática de estos proveedores durante la instalación de aplicaciones, eliminando la necesidad de incluir versiones específicas para distintos tipos de hardware.
La última versión de Windows ML ofrece un rendimiento comparable con los SDK dedicados del pasado, logrando una optimización considerable en GPUs y NPUs. Los desarrolladores también tienen la opción de convertir modelos de otros formatos a ONNX, lo que amplía aún más las posibilidades de integración y mejora de la eficiencia.
Con estas novedades, Windows ML se posiciona como un elemento fundamental en el ecosistema de inteligencia artificial de Windows, ofreciendo APIS integradas para tareas comunes y modelos listos para usar, así como la posibilidad de acceder directamente a la API de Windows ML para escenarios más avanzados. Por último, se invita a los usuarios a enviar comentarios o reportar problemas a través de su GitHub, fomentando una colaboración activa en el desarrollo de esta herramienta.
vía: Microsoft Windows blog