🎯 Как вызвать Microsoft.Windows.AI из C++ [с примером кода]

Начиная с Windows 10, Windows стандартно поставляется с средой выполнения, которая может выполнять модели ИИ в формате ONNX. Это Windows ML (Windows.AI.MachineLearning).

В этой статье подробно объясняется, как вызвать Microsoft.Windows.AI.MachineLearning из C++ (на базе приложения Win32), с примером кода.

✅ Подготовка

◾ Требования

• Windows 10 (1809+) или Windows 11
• Visual Studio 2019 или новее (подойдет версия Community)
• Поддержка C++/WinRT (Microsoft.Windows.CppWinRT)
• Windows SDK 10.0.17763.0 или новее

✅ Структура проекта

Создайте проект со следующей структурой в Visual Studio.

• Тип: Настольное приложение Windows C++ (Пустой проект)

• Подсистема: Windows (WinMain)

• Добавьте следующий пакет через NuGet

  1	Microsoft.Windows.CppWinRT

✅ Пример кода

Ниже приведен минимальный пример, объединяющий Win32 API и Windows.AI.MachineLearning с использованием WinMain.

※ Используемая модель ONNX — model.onnx, поместите ее в ту же папку, что и исполняемый файл.

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") // Для связывания с WinRT

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

int WINAPI WinMain(HINSTANCE hInstance, HINSTANCE, LPSTR, int nCmdShow)
{
    // Инициализация WinRT (допускается MTA или STA)
    winrt::init_apartment();

    try {
        // Загрузка файла модели
        auto modelFile = StorageFile::GetFileFromPathAsync(L"model.onnx").get();
        LearningModel model = LearningModel::LoadFromStorageFileAsync(modelFile).get();

        // Создание сессии
        LearningModelSession session(model);
        LearningModelBinding binding(session);

        // Ввод/вывод модели (здесь пока пустой ввод)
        // Фактически требуется привязка с помощью TensorFloat и т. д.

        // Выполнение вывода
        auto result = session.EvaluateAsync(binding, L"").get();

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

    return 0;
}

✅ Дополнение: Как указать входной и выходной Tensor

В зависимости от модели перед выводом может потребоваться создание и привязка Tensor.

Пример:

1
2
3
4
5
6
7
8

// Преобразование одномерного массива float в Tensor
std::vector<float> inputData = {0.5f, 0.3f, 0.2f};
std::vector<int64_t> shape = {1, 3}; // Форма: [1, 3]

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

// Привязка ввода (соответствует имени ввода модели)
binding.Bind(L"input_0", tensor);

Аналогично, вывод можно получить с помощью result.Outputs().Lookup(L"output_0").

✅ Заметки по отладке

• Если файл модели не существует в папке выполнения, будет выброшено FileNotFoundException.
• Если имена ввода/вывода не совпадают, возникнет ошибка invalid_argument.
• Точные спецификации ввода/вывода модели можно проверить с помощью таких инструментов, как Netron.

✅ Заключение

✅ Альтернатива: Для тех, кто не хочет использовать WinRT

• Используя ONNX Runtime от Microsoft, вы можете полностью обрабатывать модели ONNX из C++ без WinRT.
• Поддерживает кроссплатформенность, что позволяет использовать общий код для Windows/Linux.

📌 В завершение

Windows ML (Microsoft.Windows.AI) — это мощный механизм вывода ИИ, который можно эффективно использовать даже из C++. Если вам нужен встроенный вывод в Windows, пожалуйста, попробуйте.

Конкретные примеры создания моделей ONNX и привязки Tensor будут объяснены в следующем руководстве!