Instalowanie i uruchamianie niestandardowych kontenerów rozpoznawania jednostek nazwanych

Kontenery umożliwiają hostowanie niestandardowego interfejsu API rozpoznawania jednostek nazwanych we własnej infrastrukturze przy użyciu własnego wytrenowanego modelu. Jeśli masz wymagania dotyczące zabezpieczeń lub ładu danych, których nie można spełnić, zdalnie wywołując niestandardowe rozpoznawanie nazwanych jednostek, kontenery mogą być dobrym rozwiązaniem.

Uwaga

• Bezpłatne konto jest ograniczone do 5000 rekordów tekstowych miesięcznie, a tylko warstwy cenowe Bezpłatna i Standardowa są prawidłowe dla kontenerów . Aby uzyskać więcej informacji na temat stawek żądań transakcji, zobacz Limity danych i usług.

Wymagania wstępne

• Jeśli nie masz subskrypcji platformy Azure, utwórz bezpłatne konto.
• Platforma Docker zainstalowana na komputerze hosta. Platforma Docker musi być skonfigurowana tak, aby umożliwić kontenerom łączenie się z platformą Azure i wysyłanie danych rozliczeniowych do platformy Azure.
  • W systemie Windows platforma Docker musi być również skonfigurowana do obsługi kontenerów systemu Linux.
  • Musisz mieć podstawową wiedzę na temat pojęć związanych z platformą Docker.
• Zasób języka z warstwą cenową Bezpłatna (F0) lub Standardowa (S).
• Wytrenowany i wdrożony niestandardowy model rozpoznawania jednostek nazwanych

Zbieranie wymaganych parametrów

Wymagane są trzy podstawowe parametry dla wszystkich kontenerów sztucznej inteligencji platformy Azure. Postanowienia licencyjne dotyczące oprogramowania firmy Microsoft muszą być obecne z wartością akceptacji. Wymagany jest również identyfikator URI punktu końcowego i klucz interfejsu API.

Identyfikator URI punktu końcowego

Wartość {ENDPOINT_URI} jest dostępna na stronie Przegląd witryny Azure Portal odpowiedniego zasobu usług Azure AI. Przejdź do strony Przegląd, umieść kursor nad punktem końcowym, a zostanie wyświetlona ikona Kopiuj do schowka. Skopiuj i użyj punktu końcowego w razie potrzeby.

Klucze

Wartość {API_KEY} jest używana do uruchamiania kontenera i jest dostępna na stronie Klucze witryny Azure Portal odpowiedniego zasobu usług Azure AI. Przejdź do strony Klucze i wybierz ikonę Kopiuj do schowka.

Ważne

Te klucze subskrypcji są używane do uzyskiwania dostępu do interfejsu API usług Azure AI. Nie udostępniaj kluczy. Przechowuj je bezpiecznie. Na przykład użyj usługi Azure Key Vault. Zalecamy również regularne ponowne generowanie tych kluczy. Tylko jeden klucz jest wymagany do wykonania wywołania interfejsu API. Podczas ponownego generowania pierwszego klucza można użyć drugiego klucza w celu dalszego dostępu do usługi.

Wymagania i zalecenia dotyczące komputera hosta

Host to komputer oparty na architekturze x64 z uruchomionym kontenerem platformy Docker. Może to być komputer lokalny lub usługa hostingu platformy Docker na platformie Azure, taka jak:

• Azure Kubernetes Service.
• Azure Container Instances.
• Klaster Kubernetes wdrożony w usłudze Azure Stack. Aby uzyskać więcej informacji, zobacz Wdrażanie rozwiązania Kubernetes w usłudze Azure Stack.

W poniższej tabeli opisano minimalne i zalecane specyfikacje dla niestandardowych kontenerów rozpoznawania jednostek nazwanych. Każdy rdzeń procesora CPU musi być co najmniej 2,6 gigahertz (GHz) lub szybszy. Wyświetlane są również dozwolone transakcje na sekundę (TPS).

	Minimalna specyfikacja hosta	Zalecane specyfikacje hosta	Minimalna liczba modułów TPS	Maksymalna liczba modułów TPS
Niestandardowe rozpoznawanie nazwanych jednostek	1 rdzeń, 2 GB pamięci	1 rdzeń, 4 GB pamięci	15	30

Rdzenie procesora CPU i pamięć odpowiadają --cpus ustawieniu i --memory , które są używane w ramach docker run polecenia .

Eksportowanie niestandardowego modelu rozpoznawania nazwanych jednostek

Przed kontynuowaniem uruchamiania obrazu platformy Docker należy wyeksportować własny wytrenowany model, aby uwidocznić go w kontenerze. Użyj następującego polecenia, aby wyodrębnić model i zastąpić symbole zastępcze poniżej własnymi wartościami:

Symbol zastępczy	Wartość	Formatowanie lub przykład
{API_KEY}	Klucz zasobu niestandardowego rozpoznawania nazwanych jednostek. Możesz go znaleźć na stronie Klucz i punkt końcowy zasobu w witrynie Azure Portal.	xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
{ENDPOINT_URI}	Punkt końcowy umożliwiający uzyskiwanie dostępu do niestandardowego interfejsu API rozpoznawania nazwanych jednostek. Możesz go znaleźć na stronie Klucz i punkt końcowy zasobu w witrynie Azure Portal.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT_NAME}	Nazwa projektu zawierającego model, który chcesz wyeksportować. Można go znaleźć na karcie projekty w portalu Language Studio.	myProject
{TRAINED_MODEL_NAME}	Nazwa wytrenowanego modelu, który chcesz wyeksportować. Trenowane modele można znaleźć na karcie oceny modelu w obszarze projektu w portalu Language Studio.	myTrainedModel

curl --location --request PUT '{ENDPOINT_URI}/language/authoring/analyze-text/projects/{PROJECT_NAME}/exported-models/{TRAINED_MODEL_NAME}?api-version=2023-04-15-preview' \
--header 'Ocp-Apim-Subscription-Key: {API_KEY}' \
--header 'Content-Type: application/json' \
--data-raw '{
    "TrainedmodelLabel": "{TRAINED_MODEL_NAME}"
}'

Pobieranie obrazu kontenera za pomocą polecenia docker pull

Obraz kontenera niestandardowego mcr.microsoft.com rozpoznawania nazwanych jednostek można znaleźć w syndykacie rejestru kontenerów. Znajduje się on w azure-cognitive-services/textanalytics/ repozytorium i ma nazwę customner. W pełni kwalifikowana nazwa obrazu kontenera to mcr.microsoft.com/azure-cognitive-services/textanalytics/customner.

Aby użyć najnowszej wersji kontenera, możesz użyć tagu latest . Pełną listę tagów można również znaleźć w mcR.

Użyj polecenia , docker pull aby pobrać obraz kontenera z usługi Microsoft Container Registry.

docker pull mcr.microsoft.com/azure-cognitive-services/textanalytics/customner:latest

Napiwek

Możesz użyć polecenia docker images , aby wyświetlić listę pobranych obrazów kontenerów. Na przykład następujące polecenie wyświetla identyfikator, repozytorium i tag każdego pobranego obrazu kontenera sformatowane jako tabela:

docker images --format "table {{.ID}}\t{{.Repository}}\t{{.Tag}}"

IMAGE ID         REPOSITORY                TAG
<image-id>       <repository-path/name>    <tag-name>

Uruchamianie kontenera za pomocą polecenia docker run

Gdy kontener znajduje się na komputerze hosta, użyj polecenia docker run , aby uruchomić kontenery. Kontener będzie nadal działać do momentu jego zatrzymania.

Ważne

• Polecenia platformy Docker w poniższych sekcjach używają ukośnika odwrotnego , \jako znaku kontynuacji wiersza. Zastąp lub usuń to na podstawie wymagań systemu operacyjnego hosta.
• Aby Eulauruchomić kontener, należy określić opcje , Billingi ApiKey . W przeciwnym razie kontener nie zostanie uruchomiony. Aby uzyskać więcej informacji, zobacz Rozliczenia.

Aby uruchomić niestandardowy kontener rozpoznawania nazwanych jednostek, wykonaj następujące docker run polecenie. Zastąp symbole zastępcze poniżej własnymi wartościami:

Symbol zastępczy	Wartość	Formatowanie lub przykład
{API_KEY}	Klucz zasobu niestandardowego rozpoznawania nazwanych jednostek. Możesz go znaleźć na stronie Klucz i punkt końcowy zasobu w witrynie Azure Portal.	xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
{ENDPOINT_URI}	Punkt końcowy umożliwiający uzyskiwanie dostępu do niestandardowego interfejsu API rozpoznawania nazwanych jednostek. Możesz go znaleźć na stronie Klucz i punkt końcowy zasobu w witrynie Azure Portal.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT_NAME}	Nazwa projektu zawierającego model, który chcesz wyeksportować. Można go znaleźć na karcie projekty w portalu Language Studio.	myProject
{LOCAL_PATH}	Ścieżka, w której zostanie pobrany wyeksportowany model w poprzednim kroku. Możesz wybrać dowolną ścieżkę swojego polubienia.	C:/custom-ner-model
{TRAINED_MODEL_NAME}	Nazwa wytrenowanego modelu, który chcesz wyeksportować. Trenowane modele można znaleźć na karcie oceny modelu w obszarze projektu w portalu Language Studio.	myTrainedModel

docker run --rm -it -p5000:5000  --memory 4g --cpus 1 \
-v {LOCAL_PATH}:/modelPath \
mcr.microsoft.com/azure-cognitive-services/textanalytics/customner:latest \
EULA=accept \
BILLING={ENDPOINT_URI} \
APIKEY={API_KEY} \
projectName={PROJECT_NAME}
exportedModelName={TRAINED_MODEL_NAME}

To polecenie:

• Uruchamia niestandardowy kontener rozpoznawania nazwanych jednostek i pobiera wyeksportowany model do określonej ścieżki lokalnej.
• Przydziela jeden rdzeń procesora CPU i 4 gigabajty pamięci (GB)
• Uwidacznia port TCP 5000 i przydziela pseudo-TTY dla kontenera
• Automatycznie usuwa kontener po jego zakończeniu. Obraz kontenera jest nadal dostępny na komputerze hosta.

Uruchamianie wielu kontenerów na tym samym hoście

Jeśli zamierzasz uruchomić wiele kontenerów z uwidocznionych portów, upewnij się, że każdy kontener ma inny uwidoczniony port. Na przykład uruchom pierwszy kontener na porcie 5000 i drugi kontener na porcie 5001.

Ten kontener i inny kontener usług Azure AI mogą być uruchomione razem na hoście. Można również mieć wiele kontenerów tego samego kontenera usług Azure AI, na których działa.

Wykonywanie zapytania dotyczącego punktu końcowego przewidywania kontenera

Kontener udostępnia oparte na interfejsie REST interfejsy API punktu końcowego przewidywania zapytań.

Użyj hosta http://localhost:5000 dla interfejsów API kontenera.

Sprawdzanie, czy kontener jest uruchomiony

Istnieje kilka sposobów sprawdzania, czy kontener jest uruchomiony. Znajdź zewnętrzny adres IP i uwidoczniony port danego kontenera i otwórz ulubioną przeglądarkę internetową. Użyj różnych adresów URL żądań, które są zgodne z instrukcjami, aby sprawdzić, czy kontener jest uruchomiony. Przykładowe adresy URL żądań wymienione w tym miejscu to http://localhost:5000, ale określony kontener może się różnić. Upewnij się, że korzystasz z zewnętrznego adresu IP kontenera i uwidocznij port.

Adres URL żądania	Purpose
http://localhost:5000/	Kontener zawiera stronę główną.
http://localhost:5000/ready	Żądany przy użyciu polecenia GET ten adres URL zapewnia weryfikację, że kontener jest gotowy do akceptowania zapytania względem modelu. To żądanie może służyć do sond gotowości i gotowości platformy Kubernetes.
http://localhost:5000/status	Ten adres URL sprawdza również, czy klucz api-key używany do uruchamiania kontenera jest prawidłowy bez powodowania zapytania punktu końcowego. To żądanie może służyć do sond gotowości i gotowości platformy Kubernetes.
http://localhost:5000/swagger	Kontener zawiera pełen zestaw dokumentacji dla punktów końcowych oraz funkcję Wypróbuj. Dzięki tej funkcji możesz wprowadzić ustawienia w formularzu HTML opartym na sieci Web i utworzyć zapytanie bez konieczności pisania kodu. Po powrocie zapytania zostanie udostępnione przykładowe polecenie CURL, aby zademonstrować wymagane nagłówki HTTP i format treści.

Zatrzymywanie kontenera

Aby zamknąć kontener, w środowisku wiersza polecenia, w którym jest uruchomiony kontener, wybierz Ctrl+C.

Rozwiązywanie problemów

Jeśli uruchamiasz kontener z włączoną instalacją danych wyjściowych i rejestrowaniem, kontener generuje pliki dziennika, które są pomocne w rozwiązywaniu problemów występujących podczas uruchamiania lub uruchamiania kontenera.

Napiwek

Aby uzyskać więcej informacji na temat rozwiązywania problemów i wskazówek, zobacz Często zadawane pytania dotyczące kontenerów usługi Azure AI.

Rozliczenia

Niestandardowe kontenery rozpoznawania nazwanych jednostek wysyłają informacje rozliczeniowe na platformę Azure przy użyciu niestandardowego zasobu rozpoznawania nazwanych jednostek na koncie platformy Azure.

Zapytania do kontenera są rozliczane w warstwie cenowej zasobu platformy Azure używanego dla parametru ApiKey .

Kontenery usług AI platformy Azure nie są licencjonowane do uruchamiania bez połączenia z punktem końcowym pomiaru użytkowania ani rozliczeń. Należy zezwolić kontenerom na komunikowanie informacji rozliczeniowych z punktem końcowym rozliczeń przez cały czas. Kontenery usług AI platformy Azure nie wysyłają do firmy Microsoft danych klientów, takich jak obraz lub tekst analizowany.

Łączenie się z platformą Azure

Do uruchomienia kontenera potrzebne są wartości argumentów rozliczeniowych. Te wartości umożliwiają kontenerowi łączenie się z punktem końcowym rozliczeń. Kontener raportuje użycie co około 10 do 15 minut. Jeśli kontener nie łączy się z platformą Azure w dozwolonym przedziale czasu, kontener będzie nadal działać, ale nie obsługuje zapytań, dopóki punkt końcowy rozliczeń nie zostanie przywrócony. Próba nawiązania połączenia jest podejmowana 10 razy w tym samym przedziale czasu od 10 do 15 minut. Jeśli nie może nawiązać połączenia z punktem końcowym rozliczeń w ciągu 10 prób, kontener przestanie obsługiwać żądania. Zobacz często zadawane pytania dotyczące kontenera usług AI platformy Azure, aby uzyskać przykład informacji wysyłanych do firmy Microsoft na potrzeby rozliczeń.

Argumenty rozliczeniowe

Polecenie docker run uruchomi kontener, gdy wszystkie trzy z następujących opcji są dostarczane z prawidłowymi wartościami:

Opcja	Opis
ApiKey	Klucz interfejsu API zasobu usług Azure AI używany do śledzenia informacji rozliczeniowych. Wartość tej opcji musi być ustawiona na klucz interfejsu API dla zaaprowizowanego zasobu określonego w pliku Billing.
Billing	Punkt końcowy zasobu usług Azure AI używany do śledzenia informacji rozliczeniowych. Wartość tej opcji musi być ustawiona na identyfikator URI punktu końcowego aprowizowanego zasobu platformy Azure.
Eula	Wskazuje, że zaakceptowano licencję dla kontenera. Wartość tej opcji należy ustawić tak, aby akceptowała.

Podsumowanie

W tym artykule przedstawiono pojęcia i przepływ pracy dotyczące pobierania, instalowania i uruchamiania niestandardowych kontenerów rozpoznawania nazwanych jednostek. Podsumowując:

• Niestandardowe rozpoznawanie nazwanych jednostek udostępnia kontenery systemu Linux dla platformy Docker.
• Obrazy kontenerów są pobierane z usługi Microsoft Container Registry (MCR).
• Obrazy kontenerów są uruchamiane na platformie Docker.
• Za pomocą interfejsu API REST lub zestawu SDK można wywoływać operacje w niestandardowych kontenerach rozpoznawania jednostek nazwanych, określając identyfikator URI hosta kontenera.
• Podczas tworzenia wystąpienia kontenera należy określić informacje o rozliczeniach.

Ważne

Kontenery sztucznej inteligencji platformy Azure nie mają licencji na uruchamianie bez nawiązywania połączenia z platformą Azure na potrzeby pomiaru użytkowania. Klienci muszą umożliwić kontenerom komunikowanie informacji rozliczeniowych z usługą pomiarów przez cały czas. Kontenery sztucznej inteligencji platformy Azure nie wysyłają danych klienta (np. tekstu analizowanego) do firmy Microsoft.

Następne kroki

• Zobacz Konfigurowanie kontenerów pod kątem ustawień konfiguracji.