Sdílet prostřednictvím

Nasazení modelu ML na Azure SQL Edge pomocí ONNX

  • Článek

Důležité

Azure SQL Edge už nepodporuje platformu ARM64.

Ve třetí části tohoto třídílného kurzu pro předpověď nečistot železné rudy v Azure SQL Edge:

  1. K připojení k SQL Database v instanci Azure SQL Edge použijte Azure Data Studio.
  2. Predikce nečistot železné rudy pomocí ONNX v Azure SQL Edge.

Klíčové komponenty

  1. 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));

  2. 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

  1. Otevřete Azure Data Studio.

  2. 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.

  3. Vyberte Connect (Připojit).

  4. V části Soubor otevřete /DeploymentScripts/MiningProcess_ONNX.jpynb ze složky, ve které jste naklonovali soubory projektu na počítači.

  5. Nastavte jádro na Python 3.

Další kroky