🎯 Cómo llamar a Microsoft.Windows.AI desde C++ 【Con código de ejemplo】

A partir de Windows 10, Windows incluye de forma estándar un **runtime capaz de ejecutar modelos de IA en formato ONNX . Este es ** Windows ML (Windows.AI.MachineLearning).

En este artículo, explicaremos detalladamente con código de ejemplo ** cómo llamar a Microsoft.Windows.AI.MachineLearning desde ** C++ (basado en aplicaciones Win32).

✅ Preparación

◾ Entorno necesario

• Windows 10 (1809+) o Windows 11
• Visual Studio 2019 o posterior (la versión Community está bien)
• Soporte para C++/WinRT (Microsoft.Windows.CppWinRT)
• Windows SDK 10.0.17763.0 o superior

✅ Configuración del proyecto

Cree un proyecto con la siguiente configuración en Visual Studio.

• Tipo: Aplicación de escritorio de Windows en C++ (Proyecto vacío)

• Subsistema: Windows (WinMain)

• Agregue el siguiente paquete desde NuGet

  1	Microsoft.Windows.CppWinRT

✅ Código de ejemplo

A continuación se muestra un ejemplo de configuración mínima que combina la API de Win32 y Windows.AI.MachineLearning utilizando WinMain.

※ Nota: El modelo ONNX a utilizar será model.onnx y debe colocarse en la misma carpeta que el archivo ejecutable.

main.cpp

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

#include <windows.h>
#include <winrt/Windows.AI.MachineLearning.h>
#include <winrt/Windows.Storage.h>

#pragma comment(lib, "windowsapp") // Para enlazar con WinRT

using namespace winrt;
using namespace Windows::AI::MachineLearning;
using namespace Windows::Storage;

int WINAPI WinMain(HINSTANCE hInstance, HINSTANCE, LPSTR, int nCmdShow)
{
    // Inicialización de WinRT (MTA o STA están bien)
    winrt::init_apartment();

    try {
        // Cargar el archivo del modelo
        auto modelFile = StorageFile::GetFileFromPathAsync(L"model.onnx").get();
        LearningModel model = LearningModel::LoadFromStorageFileAsync(modelFile).get();

        // Crear una sesión
        LearningModelSession session(model);
        LearningModelBinding binding(session);

        // Entrada/salida del modelo (aquí se asume una entrada vacía)
        // En la práctica, es necesario vincular con TensorFloat, etc.

        // Ejecutar inferencia
        auto result = session.EvaluateAsync(binding, L"").get();

        MessageBox(nullptr, L"La inferencia se ha completado", L"Windows ML (C++)", MB_OK);
    }
    catch (winrt::hresult_error const& ex) {
        MessageBox(nullptr, ex.message().c_str(), L"Error", MB_ICONERROR);
    }

    return 0;
}

✅ Complemento: Cómo especificar los Tensores de entrada y salida

Dependiendo del modelo, es necesario crear y vincular un Tensor antes de la inferencia.

Ejemplo:

1
2
3
4
5
6
7
8

// Convertir un arreglo de float unidimensional a Tensor
std::vector<float> inputData = {0.5f, 0.3f, 0.2f};
std::vector<int64_t> shape = {1, 3}; // Forma: [1, 3]

auto tensor = TensorFloat::CreateFromArray(shape, inputData);

// Vinculación de entrada (coincidir con el nombre de entrada del modelo)
binding.Bind(L"input_0", tensor);

La salida se puede obtener de manera similar con result.Outputs().Lookup(L"output_0").

✅ Puntos a tener en cuenta al depurar

• Si el archivo del modelo no existe en la carpeta de ejecución, se producirá un FileNotFoundException.
• Si los nombres de entrada y salida no coinciden, se producirá un error invalid_argument.
• Las especificaciones exactas de E/S del modelo se pueden verificar con herramientas como Netron.

✅ Resumen

✅ Alternativa: Para los que no quieren usar WinRT

• Si utiliza ONNX Runtime de Microsoft, puede manejar modelos ONNX desde C++ completamente sin WinRT.
• Es multiplataforma, lo que permite un código común incluso en Windows/Linux.

📌 Conclusión

Windows ML (Microsoft.Windows.AI) es un motor de inferencia de IA potente que se puede utilizar perfectamente incluso desde C++. Si necesita realizar inferencias de forma nativa en Windows, no dude en probarlo.

Si desea ejemplos específicos sobre cómo crear modelos ONNX o vincular tensores, ¡planeamos explicarlos en un artículo de seguimiento!