Vectorizador del catálogo de modelos de Azure AI Studio
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
|
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,
},
}
]
Consulte también
Comentarios
https://aka.ms/ContentUserFeedback.
Proximamente: Ao longo de 2024, retiraremos gradualmente GitHub Issues como mecanismo de comentarios sobre o contido e substituirémolo por un novo sistema de comentarios. Para obter máis información, consulte:Enviar e ver os comentarios