Udostępnij za pośrednictwem

Wektoryzator wykazu modeli usługi Azure AI Studio

  • Artykuł

Ważne

Ten wektoryzator jest w publicznej wersji zapoznawczej w obszarze Uzupełniające warunki użytkowania. Interfejs API REST 2024-05-01-Preview obsługuje tę funkcję.

Wektoryzator wykazu modeli usługi Azure AI Studio łączy się z modelem osadzania, który został wdrożony za pośrednictwem wykazu modeli usługi Azure AI Studio w punkcie końcowym usługi Azure Machine Learning. Dane są przetwarzane w obszarze geograficznym, w którym wdrożono model.

Jeśli użyto zintegrowanej wektoryzacji do utworzenia tablic wektorowych, zestaw umiejętności powinien zawierać umiejętności AML wskazujące katalog modeli w usłudze Azure AI Studio.

Parametry wektoryzatora

W parametrach jest rozróżniana wielkość liter. Wybrane parametry zależą od tego, jakiego uwierzytelniania wymaga punkt końcowy online usługi AML, jeśli istnieje.

Nazwa parametru opis
uri (Wymagane) Identyfikator URI punktu końcowego online AML, do którego jest wysyłany ładunek JSON . Dozwolony jest tylko schemat identyfikatora URI https.
modelName (Wymagane) Identyfikator modelu z wykazu modeli programu AI Studio, który jest wdrażany w podanym punkcie końcowym. Obecnie obsługiwane wartości to
  • 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 (Wymagane do uwierzytelniania za pomocą klucza) Klucz punktu końcowego online usługi AML.
resourceId (Wymagane do uwierzytelniania tokenu). Identyfikator zasobu usługi Azure Resource Manager punktu końcowego online usługi AML. Powinna ona być w formacie subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{nazwa-obszaru roboczego}/onlineendpoints/{endpoint_name}.
region (Opcjonalnie w przypadku uwierzytelniania tokenu). Region, w którym wdrożono punkt końcowy online usługi AML. Wymagane, jeśli region różni się od regionu usługi wyszukiwania.
timeout (Opcjonalnie) Po określeniu wskazuje limit czasu dla klienta http wykonującego wywołanie interfejsu API. Musi być sformatowana jako wartość XSD "dayTimeDuration" (ograniczony podzestaw wartości czasu trwania ISO 8601). Na przykład PT60S przez 60 sekund. Jeśli nie zostanie ustawiona, zostanie wybrana wartość domyślna 30 sekund. Limit czasu można ustawić na maksymalnie 230 sekund i co najmniej 1 sekundę.

Jakie parametry uwierzytelniania mają być używane

Wymagane parametry uwierzytelniania zależą od tego, jakiego uwierzytelniania używa punkt końcowy online usługi AML, jeśli istnieje. Punkty końcowe online usługi AML zapewniają dwie opcje uwierzytelniania:

  • Uwierzytelnianie oparte na kluczach. Klucz statyczny jest udostępniany do uwierzytelniania żądań oceniania z wektoryzatora.
    • Używanie identyfikatora URI i parametrów klucza
  • Uwierzytelnianie oparte na tokenach. Punkt końcowy online AML jest wdrażany przy użyciu uwierzytelniania opartego na tokenach. Tożsamość zarządzana usługi Azure AI usługa wyszukiwania musi być włączona. Następnie wektoryzator używa tożsamości zarządzanej usługi do uwierzytelniania względem punktu końcowego online AML bez wymaganych kluczy statycznych. Tożsamość musi mieć przypisaną rolę właściciela lub współautora.
    • Użyj parametru resourceId .
    • Jeśli usługa wyszukiwania znajduje się w innym regionie niż obszar roboczy AML, użyj parametru regionu , aby ustawić region, w którym wdrożono punkt końcowy online usługi AML

Obsługiwane typy zapytań wektorowych

Typy zapytań wektorów wektorowych są obsługiwane przez wektory katalogów modeli programu AI Studio, zależy od skonfigurowanego modułu modelName .

modelName Obsługuje text zapytanie Obsługuje imageUrl zapytanie Obsługuje imageBinary zapytanie
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

Oczekiwane wymiary pola

Oczekiwane wymiary pola dla pola skonfigurowanego za pomocą wektoryzatora wykazu modeli programu AI Studio zależą od skonfigurowanego modelName elementu.

modelName Oczekiwane wymiary
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

Przykładowa definicja

"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,
        },
    }
]

Zobacz też