🎯 如何從 C++ 呼叫 `Microsoft.Windows.AI`【附範例程式碼】

自 Windows 10 起，Windows 預設內建了 能夠執行 ONNX 格式 AI 模型的執行階段 。這就是 Windows ML (Windows.AI.MachineLearning) 。

這篇文章將具體解說如何從 C++（基於 Win32 應用程式） 呼叫 Microsoft.Windows.AI.MachineLearning ，並 附上範例程式碼具體解說 。

✅ 準備篇

◾ 系統需求

Windows 10 (1809+) 或 Windows 11
Visual Studio 2019 或以上版本（Community 版即可）
支援 C++/WinRT (Microsoft.Windows.CppWinRT)
Windows SDK 10.0.17763.0 或以上版本

✅ 專案結構

在 Visual Studio 中建立具有以下結構的專案。

類型：C++ Windows 桌面應用程式（空白專案）
子系統：Windows (WinMain)
透過 NuGet 新增以下套件
1
Microsoft.Windows.CppWinRT

✅ 範例程式碼

以下是使用 WinMain 並結合 Win32 API 與 Windows.AI.MachineLearning 的最小配置範例。

※ 使用的 ONNX 模型假設為 model.onnx ，請將其放置在與執行檔相同的資料夾中。

`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") // 用於 WinRT 連結

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

int WINAPI WinMain(HINSTANCE hInstance, HINSTANCE, LPSTR, int nCmdShow)
{
    // WinRT 初始化（MTA 或 STA 皆可）
    winrt::init_apartment();

    try {
        // 讀取模型檔案
        auto modelFile = StorageFile::GetFileFromPathAsync(L"model.onnx").get();
        LearningModel model = LearningModel::LoadFromStorageFileAsync(modelFile).get();

        // 建立工作階段
        LearningModelSession session(model);
        LearningModelBinding binding(session);

        // 模型的輸入與輸出（此處暫時為空輸入）
        // 實際上需要繫結 TensorFloat 等

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

        MessageBox(nullptr, L"推論已完成", L"Windows ML (C++)", MB_OK);
    }
    catch (winrt::hresult_error const& ex) {
        MessageBox(nullptr, ex.message().c_str(), L"錯誤", MB_ICONERROR);
    }

    return 0;
}

✅ 補充：如何指定輸入與輸出 Tensor

根據模型的不同，在推論前可能需要 建立並繫結 Tensor 。

範例：

1
2
3
4
5
6
7
8
// 將一維 float 陣列轉換為 Tensor
std::vector<float> inputData = {0.5f, 0.3f, 0.2f};
std::vector<int64_t> shape = {1, 3}; // 形狀：[1, 3]

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

// 輸入繫結（需符合模型的輸入名稱）
binding.Bind(L"input_0", tensor);

輸出也同樣可以透過 result.Outputs().Lookup(L"output_0") 取得。

✅ 偵錯時的注意事項

若模型檔案不存在於執行資料夾中，將會拋出 FileNotFoundException 。
若輸入或輸出名稱不符，將會產生 invalid_argument 錯誤。
模型正確的 IO 規格可以使用 Netron 等工具確認。

✅ 總結

項目	內容
使用 API	Windows.AI.MachineLearning (WinRT)
語言	C++（基於 Win32）
建議方法	透過 C++/WinRT 標頭檔
優點	原生執行 ONNX 模型，也支援 GPU
注意	注意模型的輸入名稱與 Tensor 形狀

✅ 替代方案：給不想使用 WinRT 的人

若使用微軟的 ONNX Runtime ，就能 完全不需要 WinRT 即可從 C++ 處理 ONNX 模型 。
支援跨平台，在 Windows 或 Linux 上也可以使用共通的程式碼。

📌 結語

Windows ML (Microsoft.Windows.AI) 是一個非常強大的人工智慧推論引擎，即使從 C++ 也能輕鬆使用。如果需要在 Windows 上進行原生推論，請務必嘗試看看。

如果您需要建立 ONNX 模型或 Tensor 繫結的具體範例，我們將在後續文章中進行解說！