Microsoft начинает принудительное обновление большего количества компьютеров с Windows 10 с помощью машинного обучения

В ближайшие недели или месяцы Microsoft заявляет, что начнет установку Windows 10 версии 20H2 «October 2020 Update» на устройствах с устаревшими версиями ОС. Microsoft явно использует «машинное обучение» для автоматического обновления совместимого оборудования без разрешения пользователя, чтобы обеспечить «бесперебойную работу».

Обслуживание Windows 10 версии 1903 уже подошло к концу, а поддержка версии 1909 скоро будет прекращена. Windows 10 версии 2004 также потеряет поддержку в конце этого года, и ваше устройство будет автоматически обновлено до самой последней версии ОС, то есть до October 2020 Update, нравится вам это или нет.

Прогнозные модели будут использоваться для более точного обновления устаревших устройств, и Microsoft ранее подтвердила, что уже получила многообещающие результаты с помощью машинного обучения.

Конечно, Microsoft будет избегать перезапуска вашего устройства в неудобное время, например, когда вы используете ПК и занимаетесь чем-то.

Если вы не хотите, чтобы Microsoft принудительно обновляла устройство, убедитесь, что вы используете Windows 10 версии 2004 или 20H2.

Пользователи версии 2004 должны будут перейти на Windows 10 версии 20H2 или новее во второй половине 2021 года, а это значит, что у них еще есть время.

Также стоит отметить, что затронутые пользователи будут уведомлены о принудительном обновлении через уведомление на странице Центра обновления Windows. Вы также можете вручную запустить обновление и перезапустить устройство, когда захотите уложиться в срок.

Статус ошибки обновления October 2020 Update

Windows 10 20H2, последняя версия ОС, начала развертываться в октябре с новым меню «Пуск» с поддержкой тем, улучшенным Alt + Tab и несколькими досадными ошибками.

Microsoft уже исправила большинство критических ошибок в версии 20H2 с помощью накопительных обновлений за январь и февраль.

Windows Machine Learning Windows Machine Learning

Реализуйте технологии машинного обучения в приложениях для Windows с помощью Windows ML — высокопроизводительного и надежного API для развертывания решений, поддерживающих вывод данных машинного обучения с аппаратным ускорением, на устройствах с Windows. Implement Machine Learning in your Windows apps using Windows ML — a high-performance, reliable API for deploying hardware-accelerated ML inferences on Windows devices.

Обзор Overview

Решение Windows ML встроено в последние версии Windows 10 и Windows Server 2019 и доступно в качестве пакета NuGet для версий до Windows 8.1. Windows ML is built into the latest versions of Windows 10 and Windows Server 2019, and is also available as a NuGet package for down-level reach to Windows 8.1. Windows ML предоставляет разработчикам следующие преимущества: Windows ML provides developers with the following advantages:

Простота развертывания. Решение Windows ML встроено в последние версии Windows 10 и Windows Server 2019, поэтому все, что вам потребуется, — это Visual Studio и обученная модели ONNX, которую можно распространять вместе с приложением Windows. Ease of development: With Windows ML built into the latest versions of Windows 10 and Windows Server 2019, all you need is Visual Studio and a trained ONNX model, which can be distributed along with the Windows application. Если вам нужно предоставлять функции на основе искусственного интеллекта в более ранних версиях Windows (до 8.1), используйте решение Windows ML, доступное в виде пакета NuGet, который можно распространять вместе с приложением. Also, if you need to deliver your AI-based features to older versions of Windows (down to 8.1), Windows ML is also available as a NuGet package that you can distribute with your application.

Поддержка широкого спектра оборудования. Windows ML позволяет однократно написать код для рабочей нагрузки машинного обучения и автоматически оптимизировать производительность для оборудования различных поставщиков и с различными процессорами, такими как ЦП, GPU и ускорители ИИ. Broad hardware support: Windows ML allows you to write your ML workload once and automatically get highly optimized performance across different hardware vendors and silicon types, such as CPUs, GPUs, and AI accelerators. Кроме того, Windows ML гарантирует согласованную работу всего поддерживаемого оборудования. In addition, Windows ML guarantees consistent behavior across the range of supported hardware.

Минимальная задержка, получение результатов в реальном времени. Модели машинного обучения можно оценить, используя возможности обработки на устройстве с Windows. Это позволяет выполнять локальный анализ больших объемов данных (например, изображения и видео) в режиме реального времени. Low latency, real-time results: ML models can be evaluated using the processing capabilities of the Windows device, enabling local, real-time analysis of large data volumes, such as images and video. Результаты выводятся быстро и эффективно, что особенно важно для рабочих нагрузок, требующих высокой производительности, таких как игровые движки или фоновые задачи, например индексирование для службы поиска. Results are available quickly and efficiently for use in performance-intensive workloads like game engines, or background tasks such as indexing for search.

Повышенная гибкость. Возможность локально оценивать модели машинного обучения на устройствах с Windows позволяет реализовать более широкий диапазон сценариев. Increased flexibility: The option to evaluate ML models locally on Windows devices lets you address a broader range of scenarios. Например, оценка модели машинного обучения может выполняться, пока устройство находится в автономном режиме, а также при прерывистом подключении. For example, evaluation of ML models can run while the device is offline, or when faced with intermittent connectivity. Кроме того, вы можете реализовать сценарии, в которых не все данные отправляются в облако из соображений конфиденциальности или защиты суверенитета данных. This also lets you address scenarios where not all data can be sent to the cloud due to privacy or data sovereignty issues.

Сокращение операционных расходов. Обучение моделей машинного обучения в облаке и их последующая локальная оценка на устройствах с Windows значительно сокращают затраты на оплату полосы пропускания. В облако отправляется минимальный объем данных, достаточный для постоянного совершенствования модели машинного обучения. Reduced operational costs: Training ML models in the cloud and then evaluating them locally on Windows devices can deliver significant savings in bandwidth costs, with only minimal data sent to the cloud—as might be needed for continual improvement of your ML model. Кроме того, при развертывании модели машинного обучения в сценарии с использованием сервера разработчики могут применять аппаратное ускорение Windows ML, чтобы ускорить обслуживание модели и сократить число компьютеров для обработки рабочей нагрузки. Moreover, when deploying the ML model in a server scenario, developers can leverage Windows ML hardware acceleration to speed-up model serving, reducing the number of machines needed in order to handle the workload.

Приступая к работе Get Started

Включить обученные модели машинного обучения в код приложения просто. Достаточно нескольких действий: The process of incorporating trained ML models into your application code is simple, requiring just a few straightforward steps:

Получите обученную модель Open Neural Network Exchange (ONNX) или преобразуйте модели, обученные на других платформах машинного обучения, в ONNX с помощью WinMLTools. Get a trained Open Neural Network Exchange (ONNX) model, or convert models trained in other ML frameworks into ONNX with WinMLTools.

Добавьте файл модели ONNX в свое приложение или сделайте его доступным на целевом устройстве другим методом. Add the ONNX model file to your application, or make it available in some other way on the target device.

Интегрируйте модель в код приложения, а затем выполните его сборку и развертывание. Integrate the model into your application code, then build and deploy the application.

Дополнительные сведения о начале работы со стандартным решением Windows ML см. в статье Интеграция модели в приложения с использованием Windows ML. To start with the in-box Windows ML, go to Integrate a model into your app with Windows ML. Вы можете поработать с примерами приложений из репозитория Windows-Machine-Learning на сайте GitHub. You can also try out the sample apps in the Windows-Machine-Learning repo on GitHub.

Сведения о последних функциях и исправлениях в Windows ML см. в наших заметках о выпуске. For the latest Windows ML features and fixes, see our release notes.

Стандартная версия и пакет NuGet для решения WinML In-box vs NuGet WinML solutions

В приведенной ниже таблице представлены аспекты доступности, распространения, поддержки языков, обслуживания и прямой совместимости стандартной версии и пакета NuGet для Windows ML. The table below highlights the availability, distribution, language support, servicing, and forward compatibility aspects of the In-Box and NuGet package for Windows ML.

Стандартная версия In-Box	NuGet NuGet
доступность; Availability	Windows 10 версии 1809 и выше Windows 10 version 1809 or higher	Windows 8.1 или выше Windows 8.1 or higher
Распространение Distribution	Встроено в пакет SDK Windows Built into the Windows SDK	Упаковка и распространение в составе приложения Package and distribute as part of your application
Обслуживание Servicing	На основе систем Майкрософт (с автоматическими преимуществами для клиентов) Microsoft-driven (customers benefit automatically)	Для разработчиков Developer-driven
Прямая совместимость Forward compatibility	Автоматически выполняет накат с новыми функциями Automatically rolls forward with new features	Разработчику необходимо обновлять пакет вручную Developer needs to update package manually

При запуске приложения со стандартным решением среда выполнения Windows ML (которая содержит подсистему зависимостей модели ONNX) оценивает обученную модель на устройстве с Windows 10 (или Windows Server 2019, если код предназначен для развертывания на сервере). When your application runs with the in-box solution, the Windows ML runtime (which contains the ONNX Model Inference Engine) evaluates the trained model on the Windows 10 device (or Windows Server 2019 if targeting a server deployment). Windows ML абстрагирует оборудование, что позволяет разработчикам использовать различные аппаратные решения, в том числе ЦП, GPU и в будущем ускорителей ИИ. Windows ML handles the hardware abstraction, allowing developers to target a broad range of silicon—including CPUs, GPUs, and, in the future, AI accelerators. Аппаратное ускорение Windows ML основано на DirectML, высокопроизводительном низкоуровневом API из семейства DirectX, предназначенном для выполнения зависимостей машинного обучения. Windows ML hardware acceleration is built on top of DirectML, a high-performance, low-level API for running ML inferences that is part of the DirectX family.

Для пакета NuGet эти слои представлены двоичными файлами, как показано на схеме ниже. For the NuGet package, these layers appear as binaries shown in the diagram below. Решение Windows ML встроено в библиотеку Microsoft.ai.machinelearning.dll. Windows ML is built into the Microsoft.ai.machinelearning.dll. Она не содержит внедренную среду выполнения ONNX, а скорее наоборот — среда выполнения ONNX встроена в файл onnxruntime.dll. It does not contain an embedded ONNX runtime, instead the ONNX runtime is built into the file: onnxruntime.dll. Версия, включенная в пакеты NuGet WindowsAI, содержит встроенный DirectML EP. The version included in the WindowsAI NuGet packages contains a DirectML EP embedded inside of it. Последний двоичный файл DirectML.dll содержит код платформы в виде DirectML и основан на драйверах Direct 3D и вычислений, встроенных в Windows. The final binary, DirectML.dll, is the actual platform code as DirectML and is built on top of the Direct 3D and compute drivers that are built into Windows. Все три двоичных файла входят в выпуски NuGet для распространения вместе с приложениями. All three of these binaries are included in the NuGet releases for you to distribute along with your applications.

Прямой доступ к onnxruntime.dll также позволяет нацеливаться на несколько платформ одновременно, сохраняя не зависящее от платформы аппаратное ускорение, которое масштабируются на всех устройствах Windows. Direct access to the onnxruntime.dll also allows you to target cross-platform scenarios while getting the same hardware agnostic acceleration that scales across all Windows devices.

Другие решения машинного обучения от корпорации Майкрософт Other machine learning solutions from Microsoft

Майкрософт предлагает широкий набор решений, среди которых вы обязательно найдете подходящее. Microsoft offers a variety of machine learning solutions to suit your needs. Эти решения запускаются в облаке, в локальной среде и на локальном устройстве. These solutions run in the cloud, on-premises, and locally on the device. Дополнительные сведения см. в статье о вариантах продуктов для машинного обучения от корпорации Майкрософт. See What are the machine learning product options from Microsoft? for more information.

Используйте следующие ресурсы для получения справки по машинному обучению в Windows: Use the following resources for help with Windows ML:

• Чтобы задать технические вопросы о машинном обучении в Windows или ответить на них, используйте тег windows-machine-learning в Stack Overflow. To ask or answer technical questions about Windows ML, please use the windows-machine-learning tag on Stack Overflow.
• Сообщить об ошибке можно в нашем репозитории GitHub. To report a bug, please file an issue on our GitHub.
• Чтобы отправить запрос на добавление функции, перейдите на сайт Windows Developer Feedback. To request a feature, please head over to Windows Developer Feedback.