Aplicar su propio modelo de IA en AI Builder
Puede aplicar su propio modelo a AI Builder para que pueda funcionar como cualquier modelo personalizado de AI Builder. Puede utilizar su modelo en Microsoft Power Platform mediante Power Automate. O puede crear aplicaciones con Power Apps.
Si usa su propio modelo, se suele llamar punto de conexión de modelo, porque permite la comunicación. Si usa su propio modelo, debe tener en cuenta que hay limitaciones. Estas limitaciones se describen más adelante en este mismo artículo.
Fuera de AI Builder, puede crear su propio modelo mediante la plataforma de Aprendizaje automático de Azure. Para usar el modelo en AI Builder, debe cumplir ciertos requisitos:
El modelo debe contener una definición de API que cumpla la especificación OpenAPI (también llamada Swagger).
Ha registrado su modelo en AI Builder mediante el uso de un paquete de Python.
El primer paso para aplicar su propio modelo a AI Builder es registrarlo. Siga el procedimiento descrito en Tutorial sobre cómo utilizar su propio modelo (en GitHub).
Después de registrar el modelo, lo verá en la lista de modelos de AI Builder. En la página de detalles del modelo, el Origen del modelo será Importado para mostrar que el modelo externo está registrado en AI Builder usando su extremo de modelo importado.
El único mecanismo de autenticación admitido es Claves de API, que utiliza Azure Machine Learning.
Solo se admite Swagger 2.0.
El tamaño de lote máximo permitido es de 500 filas.
La latencia o tiempo de espera máximo permitidos es de 20 segundos.
Los tipos de datos de OpenAPI admitidos son:
- Número entero
- Number
- Booleana
- String
Si el modelo usa una imagen como entrada en Base64, solo se puede usar para la predicción en tiempo real, y para consumo en Power Automate o Microsoft Power Fx. No se admite la predicción por lotes.
- El nombre del campo debe terminar en image (no se distinguen mayúsculas de minúsculas).
- El tipo de datos debe ser Cadena.
Ahora está listo para usar su propio modelo en AI Builder. Puede realizar tareas de administración del ciclo de vida de la aplicación, como exportar su propio modelo mediante una solución, importar el modelo en el entorno de destino y actualizar el modelo en los entornos de origen o de destino.