Featured image of post 【샘플 포함】 C++에서 Windows.AI를 호출하여 ONNX 모델을 실행하는 방법
도구 및 개발 환경

【샘플 포함】 C++에서 Windows.AI를 호출하여 ONNX 모델을 실행하는 방법

Windows 표준의 Windows ML을 활용하여 AI 기능에 액세스! Win32 앱의 C++ 환경에서 'Microsoft.Windows.AI'를 호출하고, ONNX 형식의 AI 모델을 실행하는 구체적인 절차를 샘플 코드와 함께 알기 쉽게 해설합니다.

🎯 C++에서 Microsoft.Windows.AI를 호출하는 방법【샘플 코드 포함】

Windows 10 이후, Windows에는 기본적으로 ONNX 형식의 AI 모델을 실행할 수 있는 런타임 ** 이 탑재되어 있습니다. 그것이 바로 ** Windows ML (Windows.AI.MachineLearning) 입니다.

이 글에서는 C++(Win32 앱 기반) 에서 Microsoft.Windows.AI.MachineLearning을 호출하는 방법을 ** 샘플 코드와 함께 구체적으로 설명** 합니다.

✅ 준비편

◾ 필요 환경

  • Windows 10 (1809+) 또는 Windows 11
  • Visual Studio 2019 이후 (Community 버전 가능)
  • C++/WinRT 지원 (Microsoft.Windows.CppWinRT)
  • Windows SDK 10.0.17763.0 이상

✅ 프로젝트 구성

Visual Studio에서 다음과 같은 구성의 프로젝트를 만듭니다.

  • 유형: C++ Windows 데스크톱 애플리케이션(빈 프로젝트)

  • 하위 시스템: Windows (WinMain)

  • NuGet에서 다음 패키지를 추가

    1

    Microsoft.Windows.CppWinRT

✅ 샘플 코드

다음은 WinMain을 사용하여 Win32 API와 Windows.AI.MachineLearning을 조합한 최소 구성의 샘플입니다.

※ 사용할 ONNX 모델은 model.onnx로 하고, 실행 파일과 같은 폴더에 배치해 주세요.

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") // WinRT 링크용

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

int WINAPI WinMain(HINSTANCE hInstance, HINSTANCE, LPSTR, int nCmdShow)
{
    // WinRT 초기화 (MTA든 STA든 상관없음)
    winrt::init_apartment();

    try {
        // 모델 파일을 읽어오기
        auto modelFile = StorageFile::GetFileFromPathAsync(L"model.onnx").get();
        LearningModel model = LearningModel::LoadFromStorageFileAsync(modelFile).get();

        // 세션 생성
        LearningModelSession session(model);
        LearningModelBinding binding(session);

        // 모델의 입출력 (여기서는 임시로 빈 입력)
        // 실제로는 TensorFloat 등으로 바인딩이 필요합니다.

        // 추론 실행
        auto result = session.EvaluateAsync(binding, L"").get();

        MessageBox(nullptr, L"추론이 완료되었습니다", L"Windows ML (C++)", MB_OK);
    }
    catch (winrt::hresult_error const& ex) {
        MessageBox(nullptr, ex.message().c_str(), L"에러", MB_ICONERROR);
    }

    return 0;
}

✅ 보충: 입력 및 출력 Tensor 지정 방법

모델에 따라 추론 전에 Tensor의 생성 및 바인딩 이 필요할 수 있습니다.

예:

1
2
3
4
5
6
7
8

// 1차원 float 배열을 Tensor로 변환
std::vector<float> inputData = {0.5f, 0.3f, 0.2f};
std::vector<int64_t> shape = {1, 3}; // 형태: [1, 3]

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

// 입력 바인딩 (모델의 입력 이름에 맞춤)
binding.Bind(L"input_0", tensor);

출력도 마찬가지로 result.Outputs().Lookup(L"output_0")으로 얻을 수 있습니다.

✅ 디버깅 시 주의사항

  • 모델 파일이 실행 폴더에 존재하지 않으면 FileNotFoundException이 발생합니다.
  • 입출력 이름이 일치하지 않으면 invalid_argument 에러가 발생합니다.
  • 모델의 정확한 IO 사양은 Netron 등의 도구로 확인 가능합니다.

✅ 요약

항목내용
사용 APIWindows.AI.MachineLearning (WinRT)
언어C++ (Win32 기반)
권장 방식C++/WinRT 헤더 경유
장점ONNX 모델이 네이티브로 동작, GPU 지원도 가능
주의모델의 입력 이름과 Tensor 형태에 주의

✅ 대안: WinRT를 사용하고 싶지 않은 분들을 위해

  • Microsoft의 ONNX Runtime을 사용하면 WinRT 없이 C++에서 완전히 ONNX 모델을 다룰 수 있습니다.
  • 크로스 플랫폼 지원으로 Windows/Linux에서도 공통 코드를 사용할 수 있습니다.

📌 마무리

Windows ML (Microsoft.Windows.AI)은 C++에서도 확실하게 사용할 수 있는 강력한 AI 추론 엔진입니다. Windows 네이티브에서의 추론이 필요하신 분들은 꼭 시도해 보시길 바랍니다.

ONNX 모델 생성이나 Tensor 바인딩의 구체적인 예시가 필요하신 분들을 위해 후속 기사에서 설명할 예정입니다!

comments powered by Disqus