Condividi tramite

Vettorizzatore del catalogo dei modelli di Studio AI della piattaforma Azure

  • Articolo

Importante

Questo vettore è disponibile in anteprima pubblica in Condizioni supplementari per l'utilizzo. L'API REST 2024-05-01-Preview supporta questa funzionalità.

Il vettorizzatore di catalogo dei modelli di Studio AI della piattaforma Azure si connette a un modello di incorporamento distribuito tramite il catalogo dei modelli di Studio AI della piattaforma Azure a un endpoint di Azure Machine Learning. I dati vengono elaborati nell'area geografica in cui viene distribuito il modello.

Se è stata usata la vettorializzazione integrata per creare le matrici vettoriali, il set di competenze deve includere una competenza AML che punta al catalogo dei modelli in Azure AI Studio (anteprima).If you used integrated vectorization to create the vector arrays, the skillset should include an AML skill pointing to the model catalog in Azure AI Studio (preview).

Parametri del vettorizzatore

I parametri fanno distinzione tra maiuscole e minuscole. Quali parametri si sceglie di usare dipendono dall'autenticazione eventualmente richiesta dall'endpoint online AML.

Nome parametro Descrizione
uri (Obbligatorio) URI dell'endpoint online AML a cui viene inviato il payload JSON. È consentito solo lo schema URI https.
modelName (Obbligatorio) ID del modello del catalogo dei modelli di Studio AI distribuito nell'endpoint fornito. I valori supportati attualmente sono
  • 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 (Obbligatorio per l'autenticazione della chiave) Chiave per l'endpoint online AML.
resourceId (Obbligatorio per l'autenticazione tramite token). ID risorsa di Azure Resource Manager dell'endpoint online AML. Deve essere nel formato sottoscrizioni/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{workspace-name}/onlineendpoints/{endpoint_name}.
region (Facoltativo per l'autenticazione tramite token). L'area in cui viene distribuito l'endpoint online AML. Necessario se l'area è diversa dall'area del servizio di ricerca.
timeout (facoltativo) Se specificato, indica il timeout per il client HTTP che effettua la chiamata API. Il valore deve essere formattato come valore XSD "dayTimeDuration" (un subset limitato di un valore duration ISO 8601 ). Ad esempio, PT60S per 60 secondi. Se non impostato, viene scelto un valore predefinito di 30 secondi. Il timeout può essere impostato su un massimo di 230 secondi e un minimo di 1 secondo.

Quali parametri di autenticazione usare

I parametri di autenticazione necessari dipendono dall'autenticazione eventualmente usata dall'endpoint online AML. Gli endpoint online AML offrono due opzioni di autenticazione:

  • Autenticazione basata su chiave. Viene fornita una chiave statica per autenticare le richieste di assegnazione dei punteggi dal vettorizzatore.
    • Usare i parametri URI e chiave
  • Autenticazione basata su token. L'endpoint online AML viene distribuito usando l'autenticazione basata su token. L'identità gestita del servizio Azure AI Search deve essere abilitata. Il vettorizzatore usa quindi l'identità gestita del servizio per l'autenticazione nell'endpoint online AML, senza chiavi statiche necessarie. All'identità deve essere assegnato il ruolo di proprietario o collaboratore.
    • Usare il parametro resourceId.
    • Se il servizio di ricerca si trova in un'area diversa dall'area di lavoro AML, usare il parametro regione per impostare l'area in cui è stato distribuito l'endpoint online AML

Tipi di query vettoriali supportati

I tipi di query vettoriali supportati dal vettorizzatore del catalogo dei modelli di Studio AI dipendono dal modelName configurato.

modelName Supporta la query text Supporta la query imageUrl Supporta la query 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

Dimensioni previste del campo

Le dimensioni di campo previste per un campo configurato con un vettorizzatore di catalogo dei modelli di Studio AI dipendono dal modelName configurato.

modelName Dimensioni previste
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

Definizione di esempio

"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,
        },
    }
]

Vedi anche