Ta med din egen modell for kunstig intelligens i AI Builder
Du kan legge til din egen modell i AI Builder slik at den kan fungere som alle egendefinerte AI Builder modeller. Du kan bruke modellen i Microsoft Power Platform ved hjelp av Power Automate, eller du kan bygge apper med Power Apps.
Når du bruker din egen modell, blir det noen ganger referert til som et modellendepunkt, noe som muliggjør kommunikasjon. Når du bruker din egen modell, gjelder begrensninger. Disse begrensningene er beskrevet senere i artikkelen.
Utenfor AI Builder kan du opprette din egen modell ved å bruke Azure Machine Learning-plattformen. Hvis du vil bruke modellen i AI Builder, må den oppfylle visse krav:
Modellen inneholder en API-definisjon som overholder OpenAPI-spesifikasjonen (også kjent som Swagger).
Du har registrert modellen din i AI Builder ved hjelp av en Python-pakke.
Det første trinnet i prosessen med å hente inn din egen modell i AI Builder er å registrere den. Følg fremgangsmåten i Ta med din egen modellopplæring (på GitHub).
Når du har registrert modellen, vises den i listen over AI Builder-modeller. På modelldetaljer-siden vil modellkilden bli importert for å vise at den eksterne modellen er registrert i AI Builder ved hjelp av det importerte modellendepunktet.
Den eneste godkjenningsmekanismen som støttes, er API-nøkler som bruker Azure Machine Learning.
Bare Swagger 2.0 støttes.
Maksimal tillatt gruppestørrelse er 500 rader.
Maksimalt tillatt ventetid/tidsavbrudd er 20 sekunder.
De støttede OpenAPI-datatypene er:
- Heltall
- Tall
- Boolsk
- Streng
Hvis modellen tar et bilde som inndata i Base64, kan den bare brukes til sanntidsprediksjon, til forbruk i Power Automate eller Microsoft Power Fx. Satsvis prediksjon støttes ikke.
- Navnet på feltet må slutte med bilde (skiller ikke mellom små og store bokstaver).
- Datatypen må være Streng.
Du er nå klar til å bruke din egen modell i AI Builder. Du kan utføre oppgaver for administrasjon av programlivssyklus, for eksempel eksportere din egen modell ved å bruke en løsning, importere modellen til målmiljøet og oppgradere modellen i kilde- eller målmiljøer.