Wie kann ich KI in meine Windows-Client-App integrieren?
Die Integration von KI in Ihre Windows-Anwendung kann durch zwei primäre Methoden erreicht werden: ein lokales Modell oder ein cloudbasiertes Modell. Für die lokale Modelloption haben Sie die Möglichkeit, ein bereits vorhandenes Modell zu nutzen, oder ein eigenes Modell auf Plattformen wie TensorFlow oder PyTorch zu trainieren und dann über OnnxRuntime in Ihre Anwendung zu integrieren. Microsoft Foundry auf Windows bietet APIs für verschiedene Funktionen, einschließlich OCR oder unter Verwendung des Phi-Silikatmodells. Andererseits ermöglicht das Hosten Ihres Modells in der Cloud und der Zugriff auf das Modell über eine REST-API, dass Ihre Anwendung optimiert bleibt, indem ressourcenintensive Aufgaben an die Cloud delegiert werden. Weitere Informationen finden Sie unter Use Machine Learning models in your Windows app.
Benötige ich die neueste Version von Windows 11 und eine Copilot+ PC mit einer NPU, um KI-Features zu verwenden?
Es gibt viele Möglichkeiten, KI-Workloads auszuführen, sowohl durch die lokale Installation und Ausführung von Modellen auf Ihrem Windows-Gerät als auch durch das Ausführen von cloudbasierten Modellen (siehe Erste Schritte mit KI auf Windows), jedoch erfordern die von den Windows AI APIs unterstützten KI-Funktionen derzeit einen Copilot+ PC mit einer NPU.
Welche Programmiersprachen eignen sich am besten für die Entwicklung von KI in Windows Client-Apps?
Sie können jede Programmiersprache verwenden, die Sie bevorzugen. Beispielsweise wird C# häufig zum Erstellen von Windows Client-Apps verwendet. Wenn Sie mehr Kontrolle über Details auf niedriger Ebene benötigen, ist C++ eine hervorragende Option. Alternativ können Sie Python verwenden. Sie können auch die Windows-Subsystem für Linux (WSL) verwenden, um linuxbasierte KI-Tools auf Windows auszuführen.
Was sind die besten KI-Frameworks für Windows-Client-Apps?
Es wird empfohlen , OnnxRuntime zu verwenden.
Wie sollte ich datenschutz- und sicherheitsrelevante Daten bei der Verwendung von KI in Windows-Client-Apps behandeln?
Die Achtung des Datenschutzes und der Sicherheit von Benutzerdaten ist bei der Entwicklung von KI-basierten Apps unerlässlich. Sie sollten bewährte Methoden für die Datenverarbeitung befolgen, z. B. das Verschlüsseln vertraulicher Daten, die Verwendung sicherer Verbindungen und das Einholen der Benutzereinwilligung vor dem Sammeln von Daten. Sie sollten auch transparent sein, wie Sie Daten verwenden und Benutzern die Kontrolle über ihre Daten geben. Lesen Sie auch Entwickeln von verantwortungsvollen generativen KI-Anwendungen und Features auf Windows.
Welche Systemanforderungen gelten für die Ausführung von KI in Windows Client-Apps?
Systemanforderungen für Windows Apps, die KI verwenden, hängen von der Komplexität des KI-Modells und der verwendeten Hardwarebeschleunigung ab. Bei einfachen Modellen ist möglicherweise eine moderne CPU ausreichend, aber für komplexere Modelle ist möglicherweise eine GPU oder NPU erforderlich. Sie sollten auch die Speicher- und Speicheranforderungen Ihrer App sowie die für cloudbasierte KI-Dienste erforderliche Netzwerkbandbreite berücksichtigen.
Wie optimieren Sie die KI-Leistung in Windows Client-Apps?
Um die KI-Leistung in Windows-Apps zu optimieren, sollten Sie die Verwendung der Hardwarebeschleunigung, z. B. GPUs oder NPUs, in Betracht ziehen, um modellbasierte Rückschlüsse zu beschleunigen. Windows Copilot+ Laptops sind für KI-Workloads optimiert und können eine erhebliche Leistungssteigerung für KI-Aufgaben bieten. Siehe auch die Übersicht über das Foundry Toolkit für Visual Studio Code.
Kann ich vortrainierte KI-Modelle in meiner Windows-Client-App verwenden?
Ja, Sie können bereits trainierte KI-Modelle in Ihrer Windows-App verwenden. Sie können vorab trainierte Modelle aus dem Internet herunterladen oder einen cloudbasierten KI-Dienst verwenden, um auf vorab trainierte Modelle zuzugreifen. Anschließend können Sie diese Modelle mithilfe eines Frameworks wie OnnxRuntime in Ihre App integrieren.
Was ist DirectML?
DirectML ist eine Low-Level-API für maschinelles Lernen, die GPU-Beschleunigung für allgemeine Machine Learning-Aufgaben in einem breiten Spektrum unterstützter Hardware und Treiber bietet, einschließlich aller DirectX 12-fähigen GPUs von Anbietern wie AMD, Intel, NVIDIA und Qualcomm.
Wie kann ich herausfinden, welche Art von CPU, GPU oder NPU mein Gerät hat?
Um den Cpu-, GPU- oder NPU-Typ auf Ihrem Windows Gerät zu überprüfen und ihre Leistung zu überprüfen, öffnen Sie den Task-Manager (STRG+UMSCHALT+ESC), und wählen Sie dann die Registerkarte Performance aus, und Sie können die CPU, den Arbeitsspeicher, das WLAN, die GPU und/oder die NPU ihres Computers zusammen mit Informationen zur Geschwindigkeit anzeigen, Auslastungsrate und andere Daten.
Was ist Windows ML?
Windows ML (Machine Learning) ermöglicht es Ihrer App, eine gemeinsam genutzte systemweite Kopie der ONNX-Runtime (ORT) zu verwenden, und unterstützt außerdem das dynamische Herunterladen anbieterspezifischer Ausführungsanbieter (EPs), sodass Ihre Modellinferenz über die große Vielfalt an CPUs, GPUs und NPUs im Windows-Ökosystem hinweg optimiert werden kann, ohne dass Ihre App selbst umfangreiche Laufzeitumgebungen oder EPs mitliefern muss.