Felügyelt online végpontok termékváltozatának listája
Az alábbi táblázat az Azure Machine Learning által felügyelt online végpontokhoz támogatott virtuálisgép-készletmegőrzési egységeket (SKU-kat) mutatja be. Minden termékváltozat egy egyedi alfanumerikus kód, amely egy adott megvásárolható virtuális géphez van rendelve.
A táblázatban felsorolt teljes termékváltozat-nevek használhatók az Azure CLI- vagy Azure Resource Manager-sablonokhoz (ARM-sablonokhoz) az üzemelő példányok létrehozásához és frissítéséhez.
A konfiguráció részleteiről, például a CPU-ról és a RAM-ról az Azure Machine Learning díjszabása és a virtuálisgép-méretek című témakörben talál további információt.
Relatív méret | Általános célú | Compute-optimalizált | Memóriaoptimalizált | GPU |
---|---|---|---|---|
X-kicsi | Standard_DS1_v2 Standard_DS2_v2 Standard_D2a_v4 Standard_D2as_v4 |
Standard_F2s_v2 | Standard_E2s_v3 | Standard_NC4as_T4_v3 |
Small | Standard_DS3_v2 Standard_D4a_v4 Standard_D4as_v4 |
Standard_F4s_v2 Standard_FX4mds |
Standard_E4s_v3 | Standard_NC6s_v2 Standard_NC6s_v3 Standard_NC8as_T4_v3 |
Közepes | Standard_DS4_v2 Standard_D8a_v4 Standard_D8as_v4 |
Standard_F8s_v2 Standard_FX12mds |
Standard_E8s_v3 | Standard_NC12s_v2 Standard_NC12s_v3 Standard_NC16as_T4_v3 |
Nagy | Standard_DS5_v2 Standard_D16a_v4 Standard_D16as_v4 |
Standard_F16s_v2 | Standard_E16s_v3 | Standard_NC24s_v2 Standard_NC24s_v3 Standard_NC64as_T4_v3 Standard_NC24ads_A100_v4 |
X-Nagy | Standard_D32a_v4 Standard_D32as_v4 Standard_D48a_v4 Standard_D48as_v4 Standard_D64a_v4 Standard_D64as_v4 Standard_D96a_v4 Standard_D96as_v4 |
Standard_F32s_v2 Standard_F48s_v2 Standard_F64s_v2 Standard_F72s_v2 Standard_FX24mds Standard_FX36mds Standard_FX48mds |
Standard_E32s_v3 Standard_E48s_v3 Standard_E64s_v3 |
Standard_NC48ads_A100_v4 Standard_NC96ads_A100_v4 Standard_ND96asr_v4 Standard_ND96amsr_A100_v4 Standard_ND40rs_v2 |
Figyelemfelhívás
Standard_DS1_v2
és Standard_F2s_v2
túl kicsi lehet a nagyobb modellekhez, és a tároló leállásához vezethet, mert nincs elegendő memória, nincs elég hely a lemezen, vagy mintavételi hiba, mivel túl sokáig tart a tároló elindítása. Ha OutOfQuota vagy ReourceNotReady hibákkal szembesül, próbálkozzon nagyobb virtuálisgép-termékváltozatokkal. Ha több modell felügyelt online végponttal történő üzembe helyezésének költségeit szeretné csökkenteni, tekintse meg a több modellre vonatkozó példát.
Feljegyzés
Azt javasoljuk, hogy éles környezetben több mint 3 példány legyen üzembe helyezve. Az Azure Machine Learning emellett a számítási erőforrások 20%-át lefoglalja egyes virtuálisgép-termékváltozatok frissítéseinek végrehajtásához az üzembe helyezéshez szükséges virtuálisgép-kvóta kiosztásában leírtak szerint. A többletkvóta-foglalás alól mentesített virtuálisgép-termékváltozatok az alábbiakban láthatók:
- Standard_NC24ads_A100_v4
- Standard_NC48ads_A100_v4
- Standard_NC96ads_A100_v4
- Standard_ND96asr_v4
- Standard_ND96amsr_A100_v4
- Standard_ND40rs_v2
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: