Windows Machine Learning (ML) ha introducido recientemente nuevas capacidades que permiten a los desarrolladores de C#, C++ y Python ejecutar modelos de inteligencia artificial en formato ONNX de manera local en computadoras con Windows. Esta innovadora funcionalidad se logra a través de ONNX Runtime, que gestiona automáticamente los proveedores de ejecución para diferentes tipos de hardware, incluyendo CPUs, GPUs y NPUs. Gracias a este entorno, los modelos generados en plataformas populares como PyTorch, TensorFlow/Keras y scikit-learn pueden ser aprovechados de manera más eficiente.
Uno de los beneficios más destacados de Windows ML es la capacidad de descargar dinámicamente los últimos proveedores de ejecución específicos del hardware. Además, el uso de un runtime compartido reduce la necesidad de incluir archivos pesados en las aplicaciones, lo que no solo optimiza el tamaño de las descargas e instalaciones, sino que también garantiza un amplio soporte de hardware, funcionando en cualquier PC que cumpla con las especificaciones de Windows 11.
Para utilizar esta herramienta, los usuarios deben contar con Windows 11 versión 24H2 o superior, y el sistema es compatible con arquitecturas x64 o ARM64. La diversidad en la configuración del hardware permite que esta plataforma sea accesible para una amplia gama de escenarios, desde CPUs integrados hasta GPUs discretas.
Los proveedores de ejecución (EP) son componentes esenciales que ayudan a optimizar las operaciones de machine learning de acuerdo con el hardware específico. En este sentido, Windows ML se diferencia 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 al de los SDK dedicados utilizados en el pasado, logrando una notable optimización en GPUs y NPUs. Además, los desarrolladores ahora cuentan con la opción de convertir modelos de otros formatos a ONNX, lo que amplía considerablemente las posibilidades de integración y mejora de la eficiencia.
Con estas mejoras, Windows ML se consolida como un elemento clave en el ecosistema de inteligencia artificial de Windows. Ofrece APIs integradas para tareas comunes y modelos listos para usar, además de permitir el acceso directo a la API de Windows ML para escenarios más avanzados. Las compañías y desarrolladores son incentivados a enviar sus comentarios o reportar problemas a través de su GitHub, promoviendo así una colaboración activa en el desarrollo de esta herramienta.
