Medbringe din egen AI-model i AI Builder
Du kan tilpasse din egen model i AI Builder, så den kan fungere som enhver brugerdefineret AI Builder-model. Du kan bruge din model i Microsoft Power Platform ved hjælp af Power Automate, eller du kan oprette apps med Power Apps.
Når du bruger din egen model, omtales den undertiden som et modelslutpunkt, der gør det muligt at kommunikere. Når du bruger din egen model, er der nogle begrænsninger. Disse begrænsninger beskrives senere i denne artikel.
Uden for AI Builder kan du oprette din egen model ved hjælp af Azure Machine Learning-platform. Hvis du vil bruge modellen i AI Builder, skal den opfylde visse krav:
Din model indeholder en API-definition, der overholder OpenAPI-specifikationen (også kaldet Swagger).
Du har registreret din model i AI Builder ved hjælp af en pakke af samme navn.
Det første skridt, din egen model skal tage, er at registrere den i AI Builder. Følg fremgangsmåden i Selvstudium i brug af egen model (på GitHub).
Når du har registreret modellen, vises den på listen over AI Builder-modeller. På siden med modeldetaljer importeres modelkilden for at vise, at den eksterne model er registreret i AI Builder ved hjælp af den importerede modelslutpunkt.
Den eneste understøttede godkendelsesmekanisme er API-nøgler, der bruger Azure Machine Learning.
Kun Swagger 2.0 understøttes.
Den maksimalt tilladte batchstørrelse er 500 rækker.
Den maksimale tilladte latenstid/timeout er 20 sekunder.
De understøttede OpenAPI-datatyper er:
- Heltal
- Tal
- Boolesk
- Streng
Hvis modellen tager et billede som input i Base64, kan den kun bruges til forudsigelse i realtid, til forbrug i Power Automate eller Microsoft Power Fx. Batchforudsigelse understøttes ikke.
- Navnet på feltet skal slutte med et billede (der skal ikke tages hensyn til store og små bogstaver).
- Datatypen skal være Streng.
Nu er du klar til at bruge din egen model i AI Builder. Du kan udføre opgaver til administration af programmets livscyklus, f.eks. eksportere din egen model ved hjælp af en løsning, importere modellen til destinationsmiljøet og opgradere modellen i kilde- eller destinationsmiljøer.