Unesite vlastiti model umjetne inteligencije u AI Builder
Možete unijeti vlastiti model AI Builder tako da može funkcionirati kao bilo koji AI Builder prilagođeni model. Svoj model Microsoft Power Platform možete koristiti pomoću Power Automate ili možete izraditi aplikacije s njima Power Apps.
Kada koristite vlastiti model, ponekad se naziva krajnja točka modela, što omogućuje komunikaciju. Kada koristite vlastiti model, primjenjuju se ograničenja. Ta su ograničenja opisana kasnije u ovom članku.
Izvan AI Builder toga možete stvoriti vlastiti model pomoću platforme Azure Strojno učenje. Da biste koristili model AI Builder, mora ispunjavati određene zahtjeve:
Vaš model sadrži definiciju API-ja koja je u skladu sa specifikacijom OpenAPI (poznatom i kao Swagger).
Registrirali ste svoj model AI Builder pomoću Python paketa.
Prvi korak u uvođenju vlastitog modela AI Builder je njegova registracija. Slijedite postupak u vodiču Donošenje vlastitog modela (na GitHubu).
Nakon što registrirate model, vidjet ćete ga na popisu modela AI Builder . Na stranici s pojedinostima o modelu izvor modela bit će uvezen kako bi se pokazalo da je vanjski model registriran AI Builder pomoću krajnja točka uvezenog modela.
Jedini podržani mehanizam provjere autentičnosti su API ključevi koji koriste Azure Strojno učenje.
Podržan je samo Swagger 2.0.
Najveća dopuštena veličina serije je 500 redaka.
Maksimalno dopušteno kašnjenje/vremensko ograničenje je 20 sekundi.
Podržane OpenAPI vrste podataka su:
- Integer
- Broj
- Booleov
- String
Ako vaš model snima sliku kao ulaz u Base64, može se koristiti samo za predviđanje u stvarnom vremenu, za potrošnju u Power Automate ili Microsoft Power Fx. Skupno predviđanje nije podržano.
- Naziv polja mora završavati sa slika (ne razlikuje velika i mala slova).
- Vrsta podataka mora biti String.
Sada ste spremni za korištenje vlastitog modela AI Builder. Možete obavljati zadatke upravljanja životnim ciklusom aplikacije kao što su izvoz vlastitog modela pomoću rješenja, uvoz modela u ciljno okruženje i nadogradnja modela u izvornom ili ciljnom okruženju.