🎯 C++から`Microsoft.Windows.AI`を呼び出す方法【サンプルコード付き】

Windows 10以降、Windowsには標準でONNX形式のAIモデルを実行できるランタイムが搭載されています。それが Windows ML (Windows.AI.MachineLearning) です。

この記事では、C++（Win32アプリベース） から Microsoft.Windows.AI.MachineLearning を呼び出す方法を、サンプルコード付きで具体的に解説します。

✅ 準備編

◾ 必要環境

Windows 10 (1809+) または Windows 11
Visual Studio 2019 以降（Community 版でOK）
C++/WinRT サポート (Microsoft.Windows.CppWinRT)
Windows SDK 10.0.17763.0 以上

✅ プロジェクト構成

Visual Studio で以下のような構成のプロジェクトを作ります。

タイプ：C++ Windows デスクトップアプリケーション（空のプロジェクト）
サブシステム：Windows（WinMain）
NuGet で以下のパッケージを追加
1
Microsoft.Windows.CppWinRT

✅ サンプルコード

以下は WinMain を使い、Win32 APIと Windows.AI.MachineLearning を組み合わせた最小構成のサンプルです。

※ 使用するONNXモデルは model.onnx とし、実行ファイルと同じフォルダに配置してください。

`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リンク用

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

int WINAPI WinMain(HINSTANCE hInstance, HINSTANCE, LPSTR, int nCmdShow)
{
    // WinRT 初期化（MTAでもSTAでもOK）
    winrt::init_apartment();

    try {
        // モデルファイルを読み込む
        auto modelFile = StorageFile::GetFileFromPathAsync(L"model.onnx").get();
        LearningModel model = LearningModel::LoadFromStorageFileAsync(modelFile).get();

        // セッションを作成
        LearningModelSession session(model);
        LearningModelBinding binding(session);

        // モデルの入出力（ここでは仮に空の入力）
        // 実際には TensorFloat 等でバインドが必要です

        // 推論実行
        auto result = session.EvaluateAsync(binding, L"").get();

        MessageBox(nullptr, L"推論が完了しました", L"Windows ML (C++)", MB_OK);
    }
    catch (winrt::hresult_error const& ex) {
        MessageBox(nullptr, ex.message().c_str(), L"エラー", MB_ICONERROR);
    }

    return 0;
}

✅ 補足：入力・出力Tensorの指定方法

モデルによっては、推論前に Tensor の作成とバインドが必要です。

例：

1
2
3
4
5
6
7
8
// 1次元の float 配列を Tensor に変換
std::vector<float> inputData = {0.5f, 0.3f, 0.2f};
std::vector<int64_t> shape = {1, 3}; // 形状：[1, 3]

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

// 入力バインディング（モデルの入力名に合わせる）
binding.Bind(L"input_0", tensor);

出力も同様に、result.Outputs().Lookup(L"output_0") で取得可能です。

✅ デバッグ時の注意点

モデルファイルが実行フォルダに存在しないと FileNotFoundException が出ます。
入出力名が一致していないと invalid_argument エラーになります。
モデルの正確なIO仕様は Netron などのツールで確認可能。

✅ まとめ

項目	内容
使用API	Windows.AI.MachineLearning (WinRT)
言語	C++（Win32ベース）
推奨手法	C++/WinRT ヘッダー経由
利点	ONNXモデルがネイティブで動作、GPU対応も可
注意	モデルの入力名とTensor形状に注意

✅ 代替案：WinRTを使いたくない人へ

Microsoft製の ONNX Runtime を使えば、完全にWinRTなしでC++からONNXモデルを扱えます。
クロスプラットフォーム対応で、Windows/Linuxでも共通コードが可能です。

📌 おわりに

Windows ML（Microsoft.Windows.AI）は、C++からでもしっかり使える強力なAI推論エンジンです。Windowsネイティブでの推論が必要な方は、ぜひ試してみてください。

ONNXモデルの作成やTensorバインディングの具体例が欲しい方は、続編記事で解説予定です！