Vectorizador del catálogo de modelos de Azure AI Studio

Artigo
05/28/2024

Importante

Esta característica se encuentra en versión preliminar pública en los Términos de uso complementarios. La API de REST 2024-05-01-Preview admite esta característica.

El vectorizador del catálogo de modelos de Inteligencia artificial de Azure Studio se conecta a un modelo de inserción que se implementó a través del catálogo de modelos de Inteligencia artificial de Azure Studio en un punto de conexión de Azure Machine Learning. Los datos se procesan en la ubicación geográfica donde se implementa el modelo.

Parámetros de vectorizador

Los parámetros distinguen mayúsculas de minúsculas. Los parámetros que decida usar dependen de la autenticación que requiera el punto de conexión en línea de AML, si es que requiere alguna.

Nombre de parámetro	Descripción
`uri`	(Obligatorio) URI del punto de conexión en línea de AML al que se envía la carga JSON. Solo se permite el esquema de URI https.
`modelName`	(Obligatorio) Identificador del modelo del catálogo de modelos de Inteligencia artificial de Studio que se implementa en el punto de conexión proporcionado. Actualmente, los valores admitidos son OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch32 OpenAI-CLIP-Image-Text-Embeddings-ViT-Large-Patch14-336 Facebook-DinoV2-Image-Embeddings-ViT-Base Facebook-DinoV2-Image-Embeddings-ViT-Giant Cohere-embed-v3-english Cohere-embed-v3-multilingual
`key`	(Se requiere para la autenticación de clave) La clave del punto de conexión en línea de AML.
`resourceId`	(Necesario para la autenticación de tokens). El identificador de recursos de Azure Resource Manager del punto de conexión en línea de AML. Debería estar en el formato subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{nombre-área-trabajo}/onlineendpoints/{nombre-punto-de-conexión}.
`region`	(Opcional para la autenticación de tokens). La región en la que se implementa el punto de conexión en línea de AML. Es necesario si la región es diferente de la región del servicio de búsqueda.
`timeout`	(Opcional) Cuando se especifica, indica el tiempo de expiración del cliente http que hace la llamada API. Debe tener el formato de un valor "dayTimeDuration" XSD (subconjunto restringido de un valor de duración ISO 8601 ). Por ejemplo, `PT60S` para 60 segundos. Si no se establece, se elige el valor predeterminado de 30 segundos. El tiempo de expiración se puede establecer en un máximo de 230 segundos y un mínimo de 1.

Qué parámetros de autenticación se van a usar

Los parámetros de autenticación necesarios dependen de la autenticación que use el punto de conexión en línea de AML, si es que usa alguna. Los puntos de conexión en línea de AML proporcionan dos opciones de autenticación:

Autenticación basada en claves Se proporciona una clave estática para autenticar las solicitudes de puntuación del vectorizador.
- Use los parámetros uri y key.
Autenticación basada en tokens El punto de conexión en línea de AML se implementa mediante la autenticación basada en tokens. La identidad administrada del servicio de Azure AI Search debe estar habilitada. A continuación, el vectorizador usa la identidad administrada del servicio para autenticarse en el punto de conexión en línea de AML, sin que se necesiten claves estáticas. La identidad debe tener asignado el rol de propietario o colaborador.
- Use el parámetro resourceId.
- Si el servicio de búsqueda está en una región diferente del área de trabajo de AML, use el parámetro región para establecer la región en la que se implementó el punto de conexión en línea de AML

Tipos de consulta vectorial admitidos

Los tipos de consulta vectoriales compatibles con el vectorizador del catálogo de modelos de Inteligencia artificial de Studio dependerán del modelName que esté configurado.

`modelName`	Admite la consulta `text`	Admite la consulta `imageUrl`	Admite la consulta `imageBinary`
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

Dimensiones de campo esperadas

Las dimensiones de campo esperadas para un campo configurado con un vectorizador de catálogo de modelos de Inteligencia artificial de Studio dependerán del modelName que esté configurado.

`modelName`	Dimensiones esperadas
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

Definición de ejemplo

"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,
        },
    }
]

Compartir por