Megosztás a következőn keresztül:

Gépi tanulás és AI ONNX-lel az SQL Edge-ben

  • Cikk

Fontos

Az Azure SQL Edge 2025. szeptember 30-án megszűnik. További információkért és a migrálási lehetőségekért tekintse meg a kivonásról szóló közleményt.

Feljegyzés

Az Azure SQL Edge már nem támogatja az ARM64 platformot.

Az Azure SQL Edge gépi tanulása nyílt neurális hálózati exchange (ONNX) formátumban támogatja a modelleket. Az ONNX egy nyílt formátum, a különböző gépi tanulási keretrendszerek és eszközök közötti modellek felcserélésére használható.

Áttekintés

Ha gépi tanulási modelleket szeretne kikövetkeztetni az Azure SQL Edge-ben, először be kell szereznie egy modellt. Ez lehet egy előre betanított modell vagy egy egyéni modell, amely az Ön által választott keretrendszerrel van betanítve. Az Azure SQL Edge támogatja az ONNX formátumot, és a modellt erre a formátumra kell konvertálnia. Nincs hatással a modell pontosságára, és ha már rendelkezik az ONNX-modellel, üzembe helyezheti a modellt az Azure SQL Edge-ben, és natív pontozást használhat a PREDICT T-SQL függvénnyel.

ONNX-modellek lekérése

Modell lekérése ONNX formátumban:

  • Modellépítési szolgáltatások: Az Olyan szolgáltatások, mint az Azure Machine Learning és az Azure Custom Vision Service automatizált Machine Learning funkciója, támogatják a betanított modell ONNX formátumban történő közvetlen exportálását.

  • Meglévő modellek konvertálása és/vagy exportálása: Számos betanítási keretrendszer (például a PyTorch, a Chainer és a Caffe2) támogatja a natív exportálási funkciókat az ONNX-be, így a betanított modellt az ONNX formátum egy adott verziójára mentheti. A natív exportálást nem támogató keretrendszerek esetében különálló ONNX-konverter telepíthető csomagok állnak rendelkezésre, amelyek lehetővé teszik a különböző gépi tanulási keretrendszerekből betanított modellek ONNX formátumba való konvertálását.

    Támogatott keretrendszerek

Korlátozások

Az Azure SQL Edge jelenleg nem minden ONNX-modellt támogat. A támogatás numerikus adattípusú modellekre korlátozódik:

Más numerikus típusok támogatott típussá alakíthatók a CAST és a CONVERT használatával.

A modell bemeneteit úgy kell strukturálni, hogy a modell minden bemenete egy tábla egyetlen oszlopának feleljen meg. Ha például pandas-adatkeretet használ egy modell betanítása céljából, akkor minden bemenetnek külön oszlopnak kell lennie a modellhez.

Kapcsolódó tartalom