Nasazení modelu ML na Azure SQL Edge pomocí ONNX
Důležité
Azure SQL Edge už nepodporuje platformu ARM64.
Ve třetí části tohoto třídílného kurzu pro předpověď nečistot železné rudy v Azure SQL Edge:
- K připojení k SQL Database v instanci Azure SQL Edge použijte Azure Data Studio.
- Predikce nečistot železné rudy pomocí ONNX v Azure SQL Edge.
Klíčové komponenty
Řešení používá výchozí 500 milisekund mezi každou zprávou odeslanou do centra Edge. To je možné změnit v souboru Program.cs.
TimeSpan messageDelay = configuration.GetValue("MessageDelay", TimeSpan.FromMilliseconds(500));
Řešení vygenerovalo zprávu s následujícími atributy. Přidejte nebo odeberte atributy podle požadavků.
{ timestamp cur_Iron_Feed cur_Silica_Feed cur_Starch_Flow cur_Amina_Flow cur_Ore_Pulp_pH cur_Flotation_Column_01_Air_Flow cur_Flotation_Column_02_Air_Flow cur_Flotation_Column_03_Air_Flow cur_Flotation_Column_04_Air_Flow cur_Flotation_Column_01_Level cur_Flotation_Column_02_Level cur_Flotation_Column_03_Level cur_Flotation_Column_04_Level cur_Iron_Concentrate }
Připojení k SQL Database v instanci Azure SQL Edge a trénování, nasazení a testování modelu ML
Otevřete Azure Data Studio.
Na kartě Vítejte zahajte nové připojení s následujícími podrobnostmi:
Pole Hodnota Typ připojení Microsoft SQL Server Server Veřejná IP adresa uvedená ve virtuálním počítači vytvořeném pro tuto ukázku Uživatelské jméno sa Heslo Silné heslo použité při vytváření instance Azure SQL Edge Databáze Výchozí Skupina serverů Výchozí Název (nepovinný) Zadejte volitelný název. Vyberte Connect (Připojit).
V části Soubor otevřete
/DeploymentScripts/MiningProcess_ONNX.jpynb
ze složky, ve které jste naklonovali soubory projektu na počítači.Nastavte jádro na Python 3.
Další kroky
- Další informace o používání modelů ONNX v Azure SQL Edge najdete v tématu Strojové učení a AI s ONNX v SQL Edge.