Я уже как-то писал о проекте коллег ELL из MSR, позволяющем запускать обученные модели для CNTK на Arduino и Raspberry Pi. Теперь история раскатывается на Windows-приложения, точнее UWP-приложения. Соответствующая возможность появилась в CNTK 2.1. Важный нюанс для разработчиков - сама библиотека для прогонки модели рассчитана на C++ байндинги, поэтому для C#-проектов нужна небольшая обвязка. Подробности и пример кода тут: https://blogs.windows.com/buildingapps/2017/08/31/cognitive-toolkit-model-evaluation-uwp/ #UWP #CNTK #AI #Edge #Computing

Логичное продолжение развития нашего сервиса Custom Vision: в дополнение к возможности экспорта в CoreML для iOS добавилась возможность экспорта обученных моделей в TensorFlow-формат для Android. https://azure.microsoft.com/en-us/blog/customvision-ai-code-free-automated-machine-learning-for-image-classification/ (инструкция - https://github.com/Azure-Samples/cognitive-services-android-customvision-sample) #ai #vision #edge

p.s. Вообще это показательный пример, как интеллектуальность переходит между облаком и конечными устройствами.

Вчера прошел виртуальный Windows Developer Day и один из ключевых анонсов посвящен теме искусственного интеллекта, точнее новой платформе Windows ML, предоставляющей разработчикам использовать предобученные модели внутри своих приложений.

Важные моменты: аппартное ускорение с использованием возможностей DirectX (GPU) и локальное выполнение (то есть тот самый "intelligent edge"). Для обработки медиа-контента и сценариев машинного зрения появляются дополнительные возможности предобработки кадров.

Предобученные модели "скармливаются" в ONNX-формате, который мы разрабатываем вместе с остальными участниками рынка, чтобы обеспечить совместимость между разными фреймворками.

Анонс: https://blogs.windows.com/buildingapps/2018/03/07/ai-platform-windows-developers
Документация: https://docs.microsoft.com/en-us/windows/uwp/machine-learning/overview
ONNX-формат: https://onnx.ai

#ai #intelligent #edge #windows