Azure AI Studio モデル カタログ ベクタライザー
重要
この機能はパブリック プレビュー段階にあり、追加使用条件の下で提供されます。 この機能は、2024-05-01-Preview REST API でサポートされます。
Azure AI Studio モデル カタログ ベクタライザーは、Azure AI Studio モデル カタログを介して Azure Machine Learning エンドポイントにデプロイされた埋め込みモデルに接続します。 データは、モデルが デプロイされている Geo で処理されます。
ベクタライザー パラメーター
パラメーターの大文字と小文字は区別されます。 どのパラメーターを使用するかは、AML オンライン エンドポイントが必要とする認証 (もしあれば) によって異なります。
パラメーター名 | 説明 |
---|---|
uri |
(必須) JSON ペイロードの送信先となる AML オンライン エンドポイントの URI。 https URI スキームのみが許可されます。 |
modelName |
(必須) 指定されたエンドポイントにデプロイされる AI Studio モデル カタログのモデル ID。 現在サポートされている値は次のとおりです
|
key |
(キー認証の場合に必要) AML オンライン エンドポイントのキー。 |
resourceId |
(トークン認証の場合に必要)。 AML オンライン エンドポイントの Azure Resource Manager リソース ID。 subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{workspace-name}/onlineendpoints/{endpoint_name} という形式にする必要があります。 |
region |
(トークン認証の場合は省略可能)。 AML オンライン エンドポイントがデプロイされるリージョン。 そのリージョンが検索サービスのリージョンと異なる場合に必要です。 |
timeout |
(省略可能) 指定した場合は、API 呼び出しを行う http クライアントのタイムアウト値を示します。 XSD "dayTimeDuration" 値 (ISO 8601 期間値の制限されたサブセット) として書式設定する必要があります。 たとえば、60 秒の場合は PT60S とします。 設定しなかった場合は、既定値の 30 秒が選択されます。 タイムアウトは、最大で 230 秒、最小で 1 秒に設定できます。 |
使用する認証パラメーター
必要な認証パラメーターは、AML オンライン エンドポイントが使用する認証 (もしあれば) に応じて異なります。 AML オンライン エンドポイントでは、次の 2 つの認証オプションが提供されます。
- キーベースの認証。 ベクタライザーからのスコアリング要求を認証するために、静的なキーが提供されます。
- uri および key パラメーターを使用します。
- トークンベースの認証。 AML オンライン エンドポイントは、トークン ベースの認証を使用してデプロイされます。 Azure AI Search Serviceの マネージド ID を有効にする必要があります。 その後、ベクタライザーはそのサービスのマネージド ID を使用して、静的キーを必要とせずに、AML オンライン エンドポイントに対して認証します。 ID は、所有者または共同作成者ロールに割り当てられる必要があります。
- resourceId パラメーターを使用します。
- 検索サービスが AML ワークスペースとは異なるリージョンにある場合は、 リージョン パラメータを使用して、AML オンライン エンドポイントがデプロイされたリージョンを設定します
サポートされているベクター クエリの種類
AI Studio モデル カタログ ベクタライザーでサポートされているベクター クエリの種類は、構成されている modelName
によって異なります。
modelName |
text クエリをサポート |
imageUrl クエリをサポート |
imageBinary クエリをサポート |
---|---|---|---|
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 |
想定されるフィールド ディメンション
AI Studio モデル カタログ ベクタライザーを使用して構成されたフィールドに想定されるフィールド ディメンションは、構成されている modelName
によって異なります。
modelName |
想定されるディメンション |
---|---|
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 |
定義例
"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,
},
}
]
関連項目
フィードバック
https://aka.ms/ContentUserFeedback」を参照してください。
以下は間もなく提供いたします。2024 年を通じて、コンテンツのフィードバック メカニズムとして GitHub の issue を段階的に廃止し、新しいフィードバック システムに置き換えます。 詳細については、「フィードバックの送信と表示