Vektorisierung des Azure KI Studio-Modellkatalogs
Wichtig
Dieses Feature befindet sich in der Public Preview-Phase und unterliegt zusätzlichen Nutzungsbedingungen. Die REST API-Version „2024-05-01-Preview“ unterstützt dieses Feature.
Die Vektorisierung des Azure KI Studio-Modellkatalogs stellt eine Verbindung mit einem Einbettungsmodell her, das über den Azure KI Studio-Modellkatalog an einem Azure Machine Learning-Endpunkt bereitgestellt wurde. Ihre Daten werden im Geo verarbeitet, in dem Ihr Modell bereitgestellt wird.
Vektorisierungsparameter
Bei den Parametern wird zwischen Groß- und Kleinschreibung unterschieden. Welche Parameter Sie verwenden, hängt davon ab, welche Authentifizierung für Ihren AML-Onlineendpunkt gegebenenfalls erforderlich ist.
Parametername | Beschreibung |
---|---|
uri |
(Erforderlich) Der URI des AML-Onlineendpunkts, an den die JSON-Nutzdaten gesandt werden. Nur das HTTPS-URI-Schema ist zulässig. |
modelName |
(Erforderlich) Die Modell-ID aus dem KI Studio-Modellkatalog, der am bereitgestellten Endpunkt bereitgestellt wird. Derzeit unterstützte Werte sind
|
key |
(Erforderlich für Schlüsselauthentifizierung) Der Schlüssel für den AML-Online-Endpunkt. |
resourceId |
(Erforderlich für Tokenauthentifizierung). Die Azure Resource Manager-Ressourcen-ID des AML-Onlinenendpunkts. Er sollte im Format „subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{workspace-name}/onlineendpoints/{endpoint_name}“ vorliegen. |
region |
(Optional für Tokenauthentifizierung). Die Region, in der der AML-Onlineendpunkt bereitgestellt wird. Erforderlich, wenn sich die Region von der Region des Suchdiensts unterscheidet. |
timeout |
(Optional) Wenn angegeben, wird damit das Zeitlimit für den HTTP-Client angegeben, der den API-Aufruf durchführt. Es muss als XSD-Wert „dayTimeDuration“ formatiert sein (eine eingeschränkte Teilmenge eines ISO 8601-Zeitwerts). Zum Beispiel PT60S für 60 Sekunden. Wenn kein Wert festgelegt ist, wird ein Standardwert von 30 Sekunden ausgewählt. Das Zeitlimit kann auf maximal 230 Sekunden und mindestens 1 Sekunde festgelegt werden. |
Zu verwendende Authentifizierungsparameter
Welche Authentifizierungsparameter erforderlich sind, hängt davon ab, welche Authentifizierung Ihr AML-Onlineendpunkt gegebenenfalls verwendet. AML-Onlineendpunkte bieten zwei Authentifizierungsoptionen:
- Schlüsselbasierte Authentifizierung. Ein statischer Schlüssel wird bereitgestellt, um Bewertungsanforderungen von der Vektorisierung zu authentifizieren.
- Verwenden Sie die Parameter uri und key.
- Tokenbasierte Authentifizierung. Der AML-Onlineendpunkt wird mithilfe der tokenbasierten Authentifizierungbereitgestellt. Die verwaltete Identität des Azure KI Suchdienstes muss aktiviert sein. Die Vektorisierung verwendet dann die verwaltete Identität des Diensts, um sich beim AML-Onlineendpunkt zu authentifizieren, ohne dass statische Schlüssel erforderlich sind. Der Identität muss die Rolle „Besitzer“ oder „Mitwirkender“ zugewiesen werden.
- Verwenden Sie den resourceId-Parameter.
- Wenn sich der Suchdienst in einer anderen Region als der AML-Arbeitsbereich befindet, verwenden Sie den Parameter region, um die Region festzulegen, in der der AML-Onlineendpunkt bereitgestellt wurde
Unterstützte Vektorabfragetypen
Welche Vektorabfragetypen von der Vektorisierung des KI Studio-Modellkatalogs unterstützt werden, hängt vom konfigurierten modelName
ab.
modelName |
Unterstützt text -Abfrage |
Unterstützt imageUrl -Abfrage |
Unterstützt imageBinary -Abfrage |
---|---|---|---|
OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch32 | X | X | X |
OpenAI-CLIP-Image-Text-Embeddings-ViT-Large-Patch14-336 | X | X | X |
Facebook-DinoV2-Image-Embeddings-ViT-Base | X | X | |
Facebook-DinoV2-Image-Embeddings-ViT-Giant | X | X | |
Cohere-embed-v3-english | X | ||
Cohere-embed-v3-multilingual | X |
Erwartete Felddimensionen
Die erwarteten Felddimensionen für ein Feld, das mit einer Vektorisierung des KI Studio-Modellkatalogs konfiguriert ist, hängen vom konfigurierten modelName
ab.
modelName |
Erwartete Dimensionen |
---|---|
OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch32 | 512 |
OpenAI-CLIP-Image-Text-Embeddings-ViT-Large-Patch14-336 | 768 |
Facebook-DinoV2-Image-Embeddings-ViT-Base | 768 |
Facebook-DinoV2-Image-Embeddings-ViT-Giant | 1536 |
Cohere-embed-v3-english | 1024 |
Cohere-embed-v3-multilingual | 1024 |
Beispieldefinition
"vectorizers": [
{
"name": "my-ai-studio-catalog-vectorizer",
"kind": "aml",
"amlParameters": {
"uri": "https://my-aml-endpoint.eastus.inference.ml.azure.com/score",
"key": "0000000000000000000000000000000000000",
"timeout": "PT60S",
"modelName": "OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch3",
"resourceId": null,
"region": null,
},
}
]
Weitere Informationen
Feedback
https://aka.ms/ContentUserFeedback.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Tickets als Feedbackmechanismus für Inhalte auslaufen lassen und es durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unter:Einreichen und Feedback anzeigen für