Catálogo de modelos y colecciones

  • Artículo

El catálogo de modelo de Estudio de Azure Machine Learning es el centro para una amplia variedad de código abierto de terceros, así como modelos de base desarrollados por Microsoft entrenados previamente para varios casos de uso de lenguaje, voz y visión. Puede evaluar, personalizar e implementar estos modelos con las funcionalidades nativas para crear y poner en marcha modelos de base de código abierto a gran escala para integrar fácilmente estos modelos entrenados previamente en sus aplicaciones con seguridad y gobernanza de datos de nivel empresarial.

  • Descubrir: revise las descripciones de los modelo, pruebe la inferencia de ejemplo y examine los ejemplos de código para evaluar, ajustar o implementar el modelo.
  • Evaluar: evalúe si el modelo es adecuado para su carga de trabajo específica al proporcionar sus propios datos de prueba. Las métricas de evaluación facilitan la visualización del rendimiento del modelo seleccionado en su escenario.
  • Afinar: personalice estos modelos con sus propios datos de entrenamiento. Optimizaciones integradas que aceleran el ajuste preciso y reducen la memoria y el proceso necesarios para ajustar. Aplique las funcionalidades de experimentación y seguimiento de Azure Machine Learning para organizar los trabajos de entrenamiento y encontrar el modelo más adecuado para sus necesidades.
  • Implementar: implemente modelos fundacionales previamente entrenados o modelos ajustados sin problemas en puntos de conexión en línea para la inferencia en tiempo real; o impleméntelos en puntos de conexión por lotes para procesar grandes conjuntos de datos de inferencia en modo de trabajo. Aplique las funcionalidades de operacionalización de aprendizaje automático más recientes del sector en Azure Machine Learning.
  • Importar: los modelos de código abierto se publican con frecuencia. Siempre puede usar los modelos más recientes de Azure Machine Learning al importar modelos similares a los del catálogo. Por ejemplo, puede importar modelos para las tareas admitidas que usan las mismas bibliotecas.

Para empezar, explore las colecciones de modelos o filtre en función de las tareas y la licencia, para buscar el modelo para su caso de uso. Task llama a la tarea de inferencia para la que se puede usar el modelo de base. Finetuning-tasks enumera las tareas para las que este modelo se puede ajustar. License llama a la información de la licencia.

Colecciones

Hay tres tipos de colecciones en el catálogo de modelo:

Modelos de código abierto mantenidos por Azure AI: los modelos de terceros de código abierto más populares mantenidos por Azure Machine Learning. Estos modelos se empaquetan para su uso inmediato y están optimizados para usarse en Azure Machine Learning, lo que ofrece un rendimiento avanzado en el hardware de Azure. Ofrecen compatibilidad nativa para el entrenamiento distribuido y se pueden migrar fácilmente a través de hardware de Azure.

Las colecciones "Mantenidos por Azure AI" y las de partners como Meta, NVIDIA, Mistral AI están todas mantenidas en el catálogo.

Modelos de Azure OpenAI, disponibles exclusivamente en Azure: implemente modelos de Azure OpenAI a través de la colección 'Azure Open AI' en el catálogo de modelos.

Modelos de Transformers desde el centro de HuggingFace: miles de modelos del centro de HuggingFace son accesibles a través de la colección "Hugging Face" para la inferencia en tiempo real con puntos de conexión en línea.

Importante

Los modelos del catálogo de modelos están cubiertos por licencias de terceros. Comprenda la licencia de los modelos que planea usar y compruebe que la licencia permite el caso de uso. Algunos modelos del catálogo de modelo están actualmente en versión preliminar. Los modelos se encuentran en versión preliminar si se les aplica una o varias de las instrucciones siguientes:
El modelo no se puede usar (se puede implementar, ajustar y evaluar) dentro de una red aislada.
El empaquetado del modelo y el esquema de inferencia están sujetos a cambios en las versiones más recientes del modelo. Para obtener más información sobre la versión preliminar, consulte Términos de uso complementarios para las Versiones preliminares de Microsoft Azure.

Comparación de las funcionalidades de los modelos por colección

Característica Modelos de código abierto mantenidos por Azure Machine Learning Modelos de Transformers desde el Centro de HuggingFace
Inferencia Inferencia por lotes y en línea Inferencia en línea
Evaluación y ajuste preciso Evaluar y ajustar con la interfaz de usuario, el SDK o la CLI no está disponible
Importar modelos Compatibilidad limitada con la importación de modelos mediante el SDK o la CLI no disponible

Comparación de atributos de colecciones

Atributo Modelos de código abierto mantenidos por Azure Machine Learning Modelos de Transformers desde el Centro de HuggingFace
Formato del modelo Mantenido en formato de modelo MLFlow o Triton para una implementación sin problemas sin código con puntos de conexión en línea y por lotes Transformadores
Hospedaje de modelos Pesos del modelo hospedados en Azure Los pesos de modelos se extraen a petición durante la implementación desde el Centro de HuggingFace.
Usar en el área de trabajo con aislamiento de red Funcionalidad de salida integrada para usar modelos. Algunos modelos requerirán la salida a dominios públicos para instalar paquetes en runtime. Permitir la salida al centro de HuggingFace, al centro de Docker y sus CDN
Soporte técnico Compatible con Microsoft y cubierto por el Acuerdo de Nivel de Servicio de Azure Machine Learning Hugging Face crea y mantiene modelos enumerados en el registro de la comunidad HuggingFace. Use el foro de HuggingFace o el soporte técnico de HuggingFace para obtener ayuda.

Saber más