Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Erfahren Sie, welche Azure Machine Learning-Funktionen in den Regionen Azure Government, Azure Deutschland und Microsoft Azure operated by 21Vianet verfügbar sind.
Die Liste mit den globalen Azure-Regionen enthält neben den öffentlichen Cloudregionen mehrere Regionen für bestimmte Märkte. Hierzu zählen beispielsweise die Regionen Azure Government und Azure operated by 21Vianet. Azure Machine Learning wird sowohl in den öffentlichen Cloudregionen als auch in den folgenden Regionen bereitgestellt:
- Azure Government-Regionen US-Arizona und US-Virginia.
- Azure operated 21Vianet-Region China-Ost-2.
Azure Machine Learning befindet sich in den Airgap-Regionen noch in der Entwicklungsphase.
Für die Region Italien Nord ist Application Insights erst am 12.12.2023 ohne Zulassungsliste verfügbar. Dies wirkt sich bis dahin auf den folgenden Dienst aus – Auftragszeitplan - Featurespeicher - Modellmonitor - Datenimport
Die Informationen im übrigen Teil dieses Dokuments enthalten Informationen dazu, welche Features von Azure Machine Learning in diesen Regionen verfügbar sind, sowie regionsspezifische Informationen zur Verwendung dieser Features.
Azure für Behörden
Modellkatalog in USGOV Virginia und Arizona
| Modellname | MaaP Inference | Batch aktiviert | MaaS (serverless Compute Inferencing) | MaaS (Feinabstimmung) |
|---|---|---|---|---|
| ALLaM-2-7b-anweisung | maap-inference | |||
| Polarlicht | maap-inference | |||
| AutoML-Image-Classification | maap-inference | Batchaktiviert | ||
| AutoML-Image-Instance-Segmentation | maap-inference | Batchaktiviert | ||
| AutoML-Image-Object-Detection | maap-inference | Batchaktiviert | ||
| bert-base-cased | maap-inference | Batchaktiviert | ||
| bert-base-uncased | maap-inference | Batchaktiviert | ||
| bert-large-cased | maap-inference | Batchaktiviert | ||
| bert-large-uncased | maap-inference | Batchaktiviert | ||
| BiomedCLIP-PubMedBERT_256-vit_base_patch16_224 | maap-inference | Batchaktiviert | ||
| bytetrack_yolox_x_crowdhuman_mot17-private-hälfte | maap-inference | Batchaktiviert | ||
| camembert-base | maap-inference | Batchaktiviert | ||
| CodeLlama-13b-hf | maap-inference | Batchaktiviert | ||
| CodeLlama-13b-Instruct-hf | maap-inference | Batchaktiviert | ||
| CodeLlama-13b-Python-hf | maap-inference | Batchaktiviert | ||
| CodeLlama-34b-hf | maap-inference | Batchaktiviert | ||
| CodeLlama-34b-Instruct-hf | maap-inference | Batchaktiviert | ||
| CodeLlama-34b-Python-hf | maap-inference | Batchaktiviert | ||
| CodeLlama-70b-hf | maap-inference | |||
| CodeLlama-70b-Instruct-hf | maap-inference | |||
| CodeLlama-70b-Python-hf | maap-inference | |||
| CodeLlama-7b-hf | maap-inference | Batchaktiviert | ||
| CodeLlama-7b-Instruct-hf | maap-inference | Batchaktiviert | ||
| CodeLlama-7b-Python-hf | maap-inference | Batchaktiviert | ||
| compvis-stable-diffusion-v1-4 | maap-inference | Batchaktiviert | ||
| CxrReportGen maap-inference | Batchaktiviert | |||
| databricks-dolly-v2-12b | maap-inference | Batchaktiviert | ||
| Deci-DeciCoder-1b | maap-inference | Batchaktiviert | ||
| deci-decidiffusion-v1-0 | maap-inference | Batchaktiviert | ||
| Deci-DeciLM-7B | maap-inference | Batchaktiviert | ||
| Deci-DeciLM-7B-Struktur | maap-inference | Batchaktiviert | ||
| deepset-minilm-uncased-squad2 | maap-inference | Batchaktiviert | ||
| deepset-roberta-base-squad2 | maap-inference | Batchaktiviert | ||
| distilbert-base-cased | maap-inference | Batchaktiviert | ||
| distilbert-base-cased-destilled-squad | maap-inference | Batchaktiviert | ||
| distilbert-base-uncased | maap-inference | Batchaktiviert | ||
| distilbert-base-uncased-destilled-squad | maap-inference | Batchaktiviert | ||
| distilbert-base-uncased-finetuned-sst-2-english | maap-inference | Batchaktiviert | ||
| distilgpt2 | maap-inference | Batchaktiviert | ||
| distilroberta-base | maap-inference | Batchaktiviert | ||
| facebook-bart-large-cnn | maap-inference | Batchaktiviert | ||
| facebook-deit-base-patch16-224 | maap-inference | Batchaktiviert | ||
| facebook-dinov2-base-imagenet1k-1-layer | maap-inference | Batchaktiviert | ||
| Facebook-DinoV2-Image-Embeddings-ViT-Base | maap-inference | Batchaktiviert | ||
| Facebook-DinoV2-Image-Embeddings-ViT-Giant | maap-inference | Batchaktiviert | ||
| facebook-sam-vit-base | maap-inference | Batchaktiviert | ||
| facebook-sam-vit-huge | maap-inference | Batchaktiviert | ||
| facebook-sam-vit-large | maap-inference | Batchaktiviert | ||
| Finanzberichte-Analyse | maap-inference | Batchaktiviert | ||
| finiteautomata-bertweet-base-sentiment-analysis | maap-inference | Batchaktiviert | ||
| google-vit-base-patch16-224 | maap-inference | Batchaktiviert | ||
| Jean-Baptiste-camembert-ner | maap-inference | Batchaktiviert | ||
| Llama-2-13b | maap-inference | Batchaktiviert | maas-inference | maas-finetuning |
| Llama-2-13b-Chat | maap-inference | maas-inference | ||
| Llama-2-70b | maap-inference | Batchaktiviert | maas-inference | maas-finetuning |
| Llama-2-70b-Chat | maap-inference | maas-inference | ||
| Llama-2-7b maap-inference | Batchaktiviert | maas-inference | maas-finetuning | |
| Llama-2-7b-Chat | maap-inference | maas-inference | ||
| Llama-3.2-11B-Vision-Instruct | maap-inference | maas-inference | ||
| Llama-3.2-1B | maap-inference | |||
| Llama-3.2-1B-Instruct | maap-inference | |||
| Llama-3.2-3B | maap-inference | |||
| Llama-3.2-3B-Instruct | maap-inference | |||
| Llama-3.2-90B-Vision-Instruct | maap-inference | maas-inference | ||
| Llama-Guard-3-11B-Vision | maap-inference | |||
| Llama-Guard-3-1B | maap-inference | |||
| Llama-Guard-3-8B | maap-inference | |||
| MatterSim | maap-inference | |||
| MedImageInsight | maap-inference | Batchaktiviert | ||
| MedImageParse | maap-inference | Batchaktiviert | ||
| Meta-Llama-3-70B | maap-inference | |||
| Meta-Llama-3-70b-Instruct | maap-inference | maas-inference | ||
| Meta-Llama-3-8B Maap-Inference | ||||
| Meta-Llama-3-8B-Instruct | maap-inference | maas-inference | ||
| Meta-Llama-3.1-70B | maap-inference | |||
| Meta-Llama-3.1-70B-Anweisung | maap-inference | maas-inference | maas-finetuning | |
| Meta-Llama-3.1-8B | maap-inference | |||
| Meta-Llama-3.1-8B-Instruct | maap-inference | maas-inference | maas-finetuning | |
| microsoft-beit-base-patch16-224-pt22k-ft22k | maap-inference | Batchaktiviert | ||
| microsoft-deberta-base | maap-inference | Batchaktiviert | ||
| microsoft-deberta-base-mnli | maap-inference | Batchaktiviert | ||
| microsoft-deberta-large | maap-inference | Batchaktiviert | ||
| microsoft-deberta-large-mnli | maap-inference | Batchaktiviert | ||
| microsoft-deberta-xlarge | maap-inference | Batchaktiviert | ||
| microsoft-llava-med-v1.5-mistral-7b | maap-inference | Batchaktiviert | ||
| microsoft-rad-dino | maap-inference | Batchaktiviert | ||
| microsoft-swinv2-base-patch4-window12-192-22k | maap-inference | Batchaktiviert | ||
| mistral-community-Mixtral-8x22B-v0-1 | maap-inference | |||
| mistralai-Mistral-7B-Instruct-v0-2 | maap-inference | |||
| mistralai-Mistral-7B-Instruct-v01 | maap-inference | |||
| mistralai-Mistral-7B-v01 maap-inference | Batchaktiviert | |||
| mistralai-Mixtral-8x22B-Instruct-v0-1 | maap-inference | |||
| mistralai-Mixtral-8x22B-v0-1 | maap-inference | |||
| mistralai-Mixtral-8x7B-Instruct-v01 | maap-inference | |||
| mistralai-Mixtral-8x7B-v01 | maap-inference | |||
| mmd-3x-deformable-detr_refine_twostage_r50_16xb2-50e_coco | maap-inference | Batchaktiviert | ||
| mmd-3x-mask-rcnn_swin-t-p4-w7_fpn_1x_coco | maap-inference | Batchaktiviert | ||
| mmd-3x-sparse-rcnn_r101_fpn_300-proposals_crop-ms-480-800-3x_coco | maap-inference | Batchaktiviert | ||
| mmd-3x-sparse-rcnn_r50_fpn_300-proposals_crop-ms-480-800-3x_coco | maap-inference | Batchaktiviert | ||
| mmd-3x-vfnet_r50-mdconv-c3-c5_fpn_ms-2x_coco | maap-inference | Batchaktiviert | ||
| mmd-3x-vfnet_x101-64x4d-mdconv-c3-c5_fpn_ms-2x_coco | maap-inference | Batchaktiviert | ||
| mmd-3x-yolof_r50_c5_8x8_1x_coco | maap-inference | Batchaktiviert | ||
| mmeft | maap-inference | Batchaktiviert | ||
| Muse | maap-inference | |||
| ocsort_yolox_x_crowdhuman_mot17-private-hälfte | maap-inference | Batchaktiviert | ||
| Phi-3-mittel-Struktur (128k) | maap-inference | maas-inference | maas-finetuning | |
| Phi-3-mittel-Struktur (4k) | maap-inference | maas-inference | maas-finetuning | |
| Phi-3-Mini-Struktur (128k) | maap-inference | maas-inference | maas-finetuning | |
| Phi-3-Mini-Anweisung (4k) | maap-inference | maas-inference | maas-finetuning | |
| Phi-3-kleine Struktur (128k) | maap-inference | maas-inference | ||
| Phi-3-kleine Struktur (8k) | maap-inference | maas-inference | ||
| Phi-3-Vision-128k-Anweisung | maap-inference | |||
| Phi-3.5-Mini-Anweisung (128k) | maap-inference | maas-inference | maas-finetuning | |
| Phi-3.5-MoE-Anweisung (128k) | maap-inference | maas-inference | maas-finetuning | |
| Phi-3.5-Vision-Anweisung (128k) | maap-inference | maas-inference | ||
| Phi-4 maap-inference | maas-inference | |||
| Prism maap-inference | Batchaktiviert | |||
| projecte-aina-aguila-7b | maap-inference | |||
| projecte-aina-FLOR-1-3B | maap-inference | |||
| projecte-aina-FLOR-1-3B-Instructed | maap-inference | |||
| projecte-aina-FLOR-6-3B | maap-inference | |||
| projecte-aina-FLOR-6-3B-Instructed | maap-inference | |||
| Prompt-Guard-86M | maap-inference | |||
| Prov-GigaPath | maap-inference | Batchaktiviert | ||
| roberta-base | maap-inference | Batchaktiviert | ||
| roberta-base-openai-Detektor | maap-inference | Batchaktiviert | ||
| roberta-large | maap-inference | Batchaktiviert | ||
| roberta-large-mnli | maap-inference | Batchaktiviert | ||
| roberta-large-openai-Detektor | maap-inference | Batchaktiviert | ||
| Runwayml-stable-diffusion-inpainting | maap-inference | Batchaktiviert | ||
| Runwayml-stable-diffusion-v1-5 | maap-inference | Batchaktiviert | ||
| Salesforce-BLIP-2-opt-2-7b-image-to-text | maap-inference | Batchaktiviert | ||
| Salesforce-BLIP-2-opt-2-7b-vqa | maap-inference | Batchaktiviert | ||
| Salesforce-BLIP-image-captioning-base | maap-inference | Batchaktiviert | ||
| Salesforce-BLIP-vqa-base | maap-inference | Batchaktiviert | ||
| Schneeflake-arktischen Basis | maap-inference | |||
| Schneeflake-arktischen Anweisungen | maap-inference | |||
| sshleifer-distilbart-cnn-12-6 | maap-inference | Batchaktiviert | ||
| stabilityai-stable-diffusion-2-1 | maap-inference | Batchaktiviert | ||
| stabilityai-stable-diffusion-2-inpainting | maap-inference | Batchaktiviert | ||
| stabilityai-stable-diffusion-xl-base-1-0 | maap-inference | Batchaktiviert | ||
| stabilityai-stable-diffusion-xl-refiner-1-0 | maap-inference | Batchaktiviert | ||
| Supply-Chain-Trade-Regulations | maap-inference | Batchaktiviert | ||
| t5-Basis | maap-inference | Batchaktiviert | ||
| t5-groß | maap-inference | Batchaktiviert | ||
| t5-klein | maap-inference | Batchaktiviert | ||
| TamGen | maap-inference | |||
| tiiuae-falcon-40b | maap-inference | Batchaktiviert | ||
| tiiuae-falcon-7b | maap-inference | Batchaktiviert | ||
| Virchow | maap-inference | Batchaktiviert | ||
| Virchow2 | maap-inference | Batchaktiviert |
Azure OpenAI-Modelle im Modellkatalog in USGOV Virginia und Arizona
| Modellname | Azure OpenAI-Bereitstellung | MaaP Inference | Batch aktiviert | MaaS (serverless Compute Inferencing) |
|---|---|---|---|---|
| gpt-35-turbo | aoai-deployment | |||
| gpt-4 | aoai-deployment | |||
| OpenAI GPT-4o mini | aoai-deployment | |||
| OpenAI GPT-4o | aoai-deployment | |||
| OpenAI Text Embedding 3 (groß) | aoai-deployment | |||
| OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch32 | maap-inference | Batchaktiviert | ||
| OpenAI-CLIP-Image-Text-Embeddings-ViT-Large-Patch14-336 | maap-inference | Batchaktiviert | ||
| openai-clip-vit-base-patch32 | maap-inference | Batchaktiviert | ||
| openai-clip-vit-large-patch14 | maap-inference | Batchaktiviert | ||
| openai-flüster-groß | maap-inference | Batchaktiviert | ||
| openai-flüster-large-v3 | maap-inference | Batchaktiviert | ||
| text-embedding-ada-002 | aoai-deployment | |||
| gpt2 | maap-inference | Batchaktiviert | ||
| gpt2-large | maap-inference | Batchaktiviert | ||
| gpt2-medium | maap-inference | Batchaktiviert |
Azure Machine Learning-Features
| Funktion | Status der öffentlichen Cloud | US-Virginia | US-Arizona |
|---|---|---|---|
| Automatisiertes maschinelles Lernen | |||
| Erstellen und Ausführen von Experimenten in Notebooks | Allgemein verfügbar | JA | JA |
| Erstellen und Ausführen von Experimenten über die Studioweboberfläche | Öffentliche Vorschau | JA | JA |
| Branchenführende Vorhersagefunktionen | Allgemein verfügbar | JA | JA |
| Unterstützung für Deep Learning und andere erweiterte Lernmoduloptionen | Allgemein verfügbar | JA | JA |
| Unterstützung umfangreicher Daten (bis zu 100 GB) | Öffentliche Vorschau | JA | JA |
| Azure Databricks-Integration | Allgemein verfügbar | Nein | Nein |
| SQL-, Azure Cosmos DB- und HDInsight-Integrationen | Allgemein verfügbar | JA | JA |
| Machine Learning-Pipelines | |||
| Erstellen, Ausführen und Veröffentlichen von Pipelines mit dem Azure Machine Learning SDK | Allgemein verfügbar | JA | JA |
| Erstellen von Pipelineendpunkten mit dem Azure Machine Learning SDK | Allgemein verfügbar | JA | JA |
| Erstellen, Bearbeiten und Löschen geplanter Ausführungen von Pipelines mit dem Azure Machine Learning SDK | Allgemein verfügbar | JA* | JA* |
| Anzeigen von Details zur Pipelineausführung in Studio | Allgemein verfügbar | JA | JA |
| Erstellen, Ausführen, Visualisieren und Veröffentlichen von Pipelines im Azure Machine Learning-Designer | Allgemein verfügbar | JA | JA |
| Azure Databricks-Integration mit ML-Pipeline | Allgemein verfügbar | Nein | Nein |
| Erstellen von Pipelineendpunkten im Azure Machine Learning-Designer | Allgemein verfügbar | JA | JA |
| Integrierte Notebooks | |||
| Arbeitsbereichnotebook und Dateifreigabe | Allgemein verfügbar | JA | JA |
| R- und Python-Unterstützung | Allgemein verfügbar | JA | JA |
| Unterstützung von Virtual Network | Allgemein verfügbar | JA | JA |
| Compute-Instanz | |||
| Verwaltete Compute-Instanzen für integrierte Notebooks | Allgemein verfügbar | JA | JA |
| Jupyter, JupyterLab-Integration | Allgemein verfügbar | JA | JA |
| Unterstützung von virtuellen Netzwerken (VNETs) | Allgemein verfügbar | JA | JA |
| Konfigurieren von Apache Spark-Pools zum Durchführen von Data Wrangling | Öffentliche Vorschau | Nein | Nein |
| SDK-Unterstützung | |||
| Python SDK-Unterstützung | Allgemein verfügbar | JA | JA |
| Sicherheit | |||
| Unterstützung verwalteter virtueller Netzwerke | Vorschau | Vorschau | Vorschau |
| VNET-Unterstützung (virtuelles Netzwerk) zu Trainingszwecken | Allgemein verfügbar | JA | JA |
| VNET-Unterstützung (virtuelles Netzwerk) für Rückschlüsse | Allgemein verfügbar | JA | JA |
| Bewerten der Endpunktauthentifizierung | Öffentliche Vorschau | JA | JA |
| Privater Endpunkt am Arbeitsplatz | Allgemein verfügbar | Allgemein verfügbar | Allgemein verfügbar |
| ACI hinter VNET | Öffentliche Vorschau | Nein | Nein |
| ACR hinter VNET | Allgemein verfügbar | JA | JA |
| Private IP-Adresse des AKS-Clusters | Öffentliche Vorschau | Nein | Nein |
| Netzwerkisolation für verwaltete Onlineendpunkte | Allgemein verfügbar | Nein | Nein |
| Berechnen | |||
| Arbeitsbereichsübergreifende Kontingentverwaltung | Allgemein verfügbar | JA | JA |
| Kubernetes-Compute | Allgemein verfügbar | Nein | Nein |
| Daten für maschinelles Lernen | |||
| Erstellen, Anzeigen oder Bearbeiten von Datasets und Datenspeichern über das SDK | Allgemein verfügbar | JA | JA |
| Erstellen, Anzeigen oder Bearbeiten von Datasets und Datenspeichern über die Benutzeroberfläche | Allgemein verfügbar | JA | JA |
| Anzeigen, Bearbeiten oder Löschen von Datendriftüberwachungen über das SDK | Öffentliche Vorschau | JA | JA |
| Anzeigen, Bearbeiten oder Löschen von Datendriftüberwachungen über die Benutzeroberfläche | Öffentliche Vorschau | JA | JA |
| Machine Learning-Lebenszyklus | |||
| Modellprofilerstellung (SDK/CLI v1) | Allgemein verfügbar | JA | TEILWEISE |
| Die Azure Machine Learning-CLI v1 | Allgemein verfügbar | JA | JA |
| Visual Studio Code-Integration | Öffentliche Vorschau | Nein | Nein |
| Event Grid-Integration | Öffentliche Vorschau | Nein | Nein |
| Integrieren von Azure Stream Analytics in Azure Machine Learning | Öffentliche Vorschau | Nein | Nein |
| Beschriften von Bildern und Text | |||
| Verwaltungsportal für Beschriftungsprojekte | Allgemein verfügbar | JA | JA |
| Portal für Beschriftungsersteller | Allgemein verfügbar | JA | JA |
| Beschriften mithilfe privater Mitarbeiter | Allgemein verfügbar | JA | JA |
| ML-gestützte Beschriftung (Bildklassifizierung und Objekterkennung) | Öffentliche Vorschau | JA | JA |
| Verantwortungsvolles maschinelles Lernen | |||
| Erklärbarkeit auf der Benutzeroberfläche | Öffentliche Vorschau | Nein | Nein |
| Differenzieller Datenschutz: SmartNoise-Toolkit | OSS | Nein | Nein |
| Benutzerdefinierte Tags in Azure Machine Learning zur Implementierung von Datenblättern | Allgemein verfügbar | Nein | Nein |
| Fairness-Integration in Azure Machine Learning | Öffentliche Vorschau | Nein | Nein |
| Interpretierbarkeit des SDK | Allgemein verfügbar | JA | JA |
| Schulungen | |||
| Protokollstreaming für Experimente | Allgemein verfügbar | JA | JA |
| Benutzeroberfläche zum Experimentieren | Öffentliche Vorschau | JA | JA |
| .NET-Integration ML.NET 1.0 | Allgemein verfügbar | JA | JA |
| Rückschluss | |||
| Verwaltete Onlineendpunkte | Allgemein verfügbar | JA | JA |
| Batchrückschluss | Allgemein verfügbar | JA | JA |
| Andere | |||
| Open Datasets | Öffentliche Vorschau | JA | JA |
| Benutzerdefinierte Azure AI Search (SDK v1) | Öffentliche Vorschau | JA | JA |
Azure Government-Szenarien
| Szenario | US-Virginia | US-Arizona | Einschränkungen |
|---|---|---|---|
| Allgemeines Sicherheits-Setup | |||
| Deaktivieren/Steuern des Internetzugriffs (eingehend und ausgehend) und bestimmtes VNET | TEILWEISE | TEILWEISE | |
| Platzierung für alle zugeordneten Ressourcen/Dienste | JA | JA | |
| Verschlüsselung von ruhenden Daten und während der Übertragung | JA | JA | |
| Root- und SSH-Zugriff auf Computeressourcen | JA | JA | |
| Gewährleisten der Sicherheit bereitgestellter Systeme (Instanzen, Endpunkte usw.) – einschließlich Endpunktschutz, Patches und Protokollierung | TEILWEISE | TEILWEISE | ACI hinter VNet derzeit nicht verfügbar |
| Steuern (Deaktivieren/Einschränken/Beschränken) der Nutzung der ACI-/AKS-Integration | TEILWEISE | TEILWEISE | ACI hinter VNet derzeit nicht verfügbar |
| Rollenbasierte Zugriffssteuerung in Azure (Azure RBAC): Erstellung benutzerdefinierter Rollen | JA | JA | |
| Steuern des Zugriffs auf die vom ML-Dienst verwendeten ACR-Images (von Azure bereitgestellt/verwaltet versus benutzerdefiniert) | TEILWEISE | TEILWEISE | |
| Allgemeine Verwendung des Machine Learning-Diensts | |||
| Möglichkeit zur Verwendung einer Entwicklungsumgebung, um ein Modell zu erstellen, zu trainieren, als Endpunkt zu hosten und über eine Web-App zu nutzen | JA | JA | |
| Möglichkeit zum Pullen von Daten aus ADLS (Data Lake Storage) | JA | JA | |
| Möglichkeit zum Pullen von Daten aus Azure Blob Storage | JA | JA |
Weitere Einschränkungen von Azure Government
Bei Azure Machine Learning-Computeinstanzen ist die Möglichkeit, ein Token zu aktualisieren, das länger als 24 Stunden dauert, in Azure Government nicht verfügbar.
Die Modellprofilerstellung unterstützt 4 CPUs in der region US-Arizona nicht.
Beispielnotebooks funktionieren in Azure Government möglicherweise nicht, wenn sie Zugriff auf öffentliche Daten benötigen.
IP-Adressen: Der in den erforderlichen Anweisungen für den öffentlichen Internetzugriff verwendete CLI-Befehl gibt keine IP-Bereiche zurück. Verwenden Sie stattdessen die Azure-IP-Adressbereiche und -Diensttags für Azure Government.
Für geplante Pipelines steht auch ein blobbasierter Triggermechanismus zur Verfügung. Dieser Mechanismus wird für CMK-Arbeitsbereiche nicht unterstützt. Wenn Sie einen blobbasierten Trigger für CMK-Arbeitsbereiche aktivieren möchten, sind zusätzliche Setupschritte erforderlich. Weitere Informationen finden Sie unter Auslösen der Ausführung einer Machine Learning-Pipeline aus einer Logik-App (SDK/CLI v1).
Firewalls: Fügen Sie Ihrer Firewalleinstellung bei Verwendung einer Azure Government-Region die folgenden Hosts hinzu:
- Arizona:
usgovarizona.api.ml.azure.us - Virginia:
usgovvirginia.api.ml.azure.us - Beide:
graph.windows.net
- Arizona:
Azure, betrieben von 21Vianet
| Funktion | Status der öffentlichen Cloud | CH-East-2 | CH-Nord-3 |
|---|---|---|---|
| Automatisiertes maschinelles Lernen | |||
| Erstellen und Ausführen von Experimenten in Notebooks | Allgemein verfügbar | JA | – |
| Erstellen und Ausführen von Experimenten über die Studioweboberfläche | Vorschau | JA | – |
| Branchenführende Vorhersagefunktionen | Allgemein verfügbar | JA | – |
| Unterstützung für Deep Learning und andere erweiterte Lernmoduloptionen | Allgemein verfügbar | JA | – |
| Unterstützung umfangreicher Daten (bis zu 100 GB) | Vorschau | JA | – |
| Azure Databricks-Integration | Allgemein verfügbar | JA | – |
| SQL-, Azure Cosmos DB- und HDInsight-Integrationen | Allgemein verfügbar | JA | – |
| Machine Learning-Pipelines | |||
| Erstellen, Ausführen und Veröffentlichen von Pipelines mit dem Azure Machine Learning SDK | Allgemein verfügbar | JA | – |
| Erstellen von Pipelineendpunkten mit dem Azure Machine Learning SDK | Allgemein verfügbar | JA | – |
| Erstellen, Bearbeiten und Löschen geplanter Ausführungen von Pipelines mit dem Azure Machine Learning SDK | Allgemein verfügbar | JA | – |
| Anzeigen von Details zur Pipelineausführung in Studio | Allgemein verfügbar | JA | – |
| Erstellen, Ausführen, Visualisieren und Veröffentlichen von Pipelines im Azure Machine Learning-Designer | Allgemein verfügbar | JA | – |
| Azure Databricks-Integration mit ML-Pipeline | Allgemein verfügbar | JA | – |
| Erstellen von Pipelineendpunkten im Azure Machine Learning-Designer | Allgemein verfügbar | JA | – |
| Integrierte Notebooks | |||
| Arbeitsbereichnotebook und Dateifreigabe | Allgemein verfügbar | JA | – |
| R- und Python-Unterstützung | Allgemein verfügbar | JA | – |
| Unterstützung von Virtual Network | Allgemein verfügbar | JA | – |
| Compute-Instanz | |||
| Verwaltete Compute-Instanzen für integrierte Notebooks | Allgemein verfügbar | JA | – |
| Jupyter, JupyterLab-Integration | Allgemein verfügbar | JA | – |
| Unterstützung verwalteter virtueller Netzwerke | Vorschau | Vorschau | – |
| Unterstützung von virtuellen Netzwerken (VNETs) | Allgemein verfügbar | JA | – |
| SDK-Unterstützung | |||
| Python SDK-Unterstützung | Allgemein verfügbar | JA | – |
| Sicherheit | |||
| VNET-Unterstützung (virtuelles Netzwerk) zu Trainingszwecken | Allgemein verfügbar | JA | – |
| VNET-Unterstützung (virtuelles Netzwerk) für Rückschlüsse | Allgemein verfügbar | JA | – |
| Bewerten der Endpunktauthentifizierung | Vorschau | JA | – |
| Privater Endpunkt am Arbeitsplatz | Allgemein verfügbar | JA | – |
| ACI hinter VNET | Vorschau | Nein | – |
| ACR hinter VNET | Allgemein verfügbar | JA | – |
| Private IP-Adresse des AKS-Clusters | Vorschau | Nein | – |
| Netzwerkisolation für verwaltete Onlineendpunkte | Allgemein verfügbar | Nein | – |
| Berechnen | |||
| Arbeitsbereichsübergreifende Kontingentverwaltung | Allgemein verfügbar | JA | – |
| Kubernetes-Compute | Allgemein verfügbar | Nein | Nein |
| Daten für maschinelles Lernen | |||
| Erstellen, Anzeigen oder Bearbeiten von Datasets und Datenspeichern über das SDK | Allgemein verfügbar | JA | – |
| Erstellen, Anzeigen oder Bearbeiten von Datasets und Datenspeichern über die Benutzeroberfläche | Allgemein verfügbar | JA | – |
| Anzeigen, Bearbeiten oder Löschen von Datendriftüberwachungen über das SDK | Vorschau | JA | – |
| Anzeigen, Bearbeiten oder Löschen von Datendriftüberwachungen über die Benutzeroberfläche | Vorschau | JA | – |
| Machine Learning-Lebenszyklus | |||
| Erstellung von Modellprofilen | Allgemein verfügbar | JA | – |
| Die Azure DevOps-Erweiterung für Maschinelles Lernen und die Azure Machine Learning CLI | Allgemein verfügbar | JA | – |
| FPGA-basierte hardwarebeschleunigte Modelle | Als veraltet gekennzeichnet | Als veraltet gekennzeichnet | – |
| Visual Studio Code-Integration | Vorschau | Nein | – |
| Event Grid-Integration | Vorschau | JA | – |
| Integrieren von Azure Stream Analytics mit Azure Machine Learning | Vorschau | Nein | – |
| Bezeichnung | |||
| Verwaltungsportal für Beschriftungsprojekte | Allgemein verfügbar | JA | – |
| Portal für Beschriftungsersteller | Allgemein verfügbar | JA | – |
| Beschriften mithilfe privater Mitarbeiter | Allgemein verfügbar | JA | – |
| ML-gestützte Beschriftung (Bildklassifizierung und Objekterkennung) | Vorschau | JA | – |
| Verantwortungsbewusste künstliche Intelligenz | |||
| Erklärbarkeit auf der Benutzeroberfläche | Vorschau | Nein | – |
| Differenzieller Datenschutz: SmartNoise-Toolkit | OSS | Nein | – |
| Benutzerdefinierte Tags in Azure Machine Learning zur Implementierung von Datenblättern | Allgemein verfügbar | JA | – |
| Fairness-Integration in Azure Machine Learning | Vorschau | Nein | – |
| Interpretierbarkeit des SDK | Allgemein verfügbar | JA | – |
| Schulungen | |||
| Protokollstreaming für Experimente | Allgemein verfügbar | JA | – |
| Vertiefendes Lernen | Als veraltet gekennzeichnet | Als veraltet gekennzeichnet | – |
| Benutzeroberfläche zum Experimentieren | Allgemein verfügbar | JA | – |
| .NET-Integration ML.NET 1.0 | Allgemein verfügbar | JA | – |
| Rückschluss | |||
| Verwaltete Onlineendpunkte | Allgemein verfügbar | JA | – |
| Batchrückschluss | Allgemein verfügbar | JA | – |
| Azure Stack Edge mit FPGA | Als veraltet gekennzeichnet | Als veraltet gekennzeichnet | – |
| Andere | |||
| Open Datasets | Vorschau | JA | – |
| Benutzerdefinierte Azure AI Search | Vorschau | JA | – |
Weitere Einschränkungen für Azure operated by 21Vianet
Azure operated by 21Vianet verfügt über eingeschränkte VM-SKUs. Das gilt insbesondere für die GPU-SKUs. Es steht nur die NCv3-Familie (V100) zur Verfügung.
Rest-API-Endpunkte unterscheiden sich von globalen Azure-Umgebungen. Verwenden Sie die folgende Tabelle, um den REST-API-Endpunkt für Azure operated by 21Vianet-Regionen zu finden:
REST-Endpunkt Globale Azure-Umgebung China-Government Verwaltungsebene https://management.azure.com/https://management.chinacloudapi.cn/Datenebene https://{location}.experiments.azureml.nethttps://{location}.experiments.ml.azure.cnMicrosoft Entra-ID https://login.microsoftonline.comhttps://login.chinacloudapi.cnBeispielnotebooks funktionieren möglicherweise nicht, wenn sie Zugriff auf öffentliche Daten benötigen.
IP-Adressbereiche: Der in den erforderlichen Anweisungen für den öffentlichen Internetzugriff verwendete CLI-Befehl gibt keine IP-Bereiche zurück. Verwenden Sie stattdessen die Azure-IP-Bereiche und Service-Tags für Microsoft Azure operated by 21Vianet.
Die Vorschau der Azure Machine Learning-Computeinstanzen wird in einem Arbeitsbereich, in dem private Endpunkt jetzt aktiviert ist, nicht unterstützt, aber CI wird in der nächsten Bereitstellung für die Diensterweiterung für alle Azure Machine Learning-Regionen unterstützt.
Die Suche nach Ressourcen in der Web-UI mit chinesischen Zeichen funktioniert nicht ordnungsgemäß.
Nächste Schritte
Weitere Informationen zu den Regionen, in denen Azure Machine Learning verfügbar ist, finden Sie unter Produkte nach Region.