Bereitstellen eines ML-Modells in Azure SQL Edge mithilfe von ONNX

Wichtig

Azure SQL Edge n unterstützt die ARM64-Plattform nicht mehr.

Im dritten Teil dieses dreiteiligen Tutorials zum Vorhersagen von Eisenerzverunreinigungen in Azure SQL Edge führen Sie die folgenden Schritte aus:

1. Sie verwenden Azure Data Studio, um eine Verbindung mit SQL-Datenbank in der Azure SQL Edge-Instanz herzustellen.
2. Sie sagen Eisenerzverunreinigungen mit ONNX in Azure SQL Edge vorher.

Wichtige Komponenten

1. Die Lösung verwendet einen Standardwert von 500 Millisekunden zwischen jeder an den Edge-Hub gesendeten Nachricht. Dieser Wert kann in der Datei Program.cs geändert werden.

   TimeSpan messageDelay = configuration.GetValue("MessageDelay", TimeSpan.FromMilliseconds(500));
   

2. Von der Lösung wurde eine Meldung mit den folgenden Attributen generiert. Sie können die Attribute gemäß den Anforderungen hinzufügen oder entfernen.

   {
       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
   }
   

Stellen Sie eine Verbindung mit SQL-Datenbank in der Azure SQL Edge-Instanz her, um das ML-Modell zu trainieren, bereitzustellen und zu testen.

1. Öffnen Sie Azure Data Studio.

2. Starten Sie auf der Registerkarte Willkommen eine neue Verbindung mit den folgenden Details:

   Feld	Wert
   Connection type (Verbindungstyp)	Microsoft SQL Server
   Server	Öffentliche IP-Adresse in der VM, die für diese Demo erstellt wurde
   Username	sa
   Kennwort	Das starke Kennwort, das bei der Erstellung der Azure SQL Edge-Instanz verwendet wurde
   Datenbank	Standard
   Servergruppe	Standard
   Name (optional)	Geben Sie einen optionalen Namen an.

3. Wählen Sie Verbinden.

4. Öffnen Sie im Abschnitt Datei in dem Ordner, in dem Sie die Projektdateien auf Ihrem Computer geklont haben, die Datei /DeploymentScripts/MiningProcess_ONNX.jpynb.

5. Legen Sie den Kernel auf „Python 3“ fest.

Nächste Schritte

• Weitere Informationen zur Verwendung von ONNX-Modellen in Azure SQL Edge finden Sie unter Machine Learning und KI mit ONNX in SQL Edge.