Aprowizowanie zasobu usług Azure AI
Usługi azure AI obejmują szeroką gamę funkcji sztucznej inteligencji, których można używać w aplikacjach. Aby korzystać z dowolnych usług sztucznej inteligencji, należy utworzyć odpowiednie zasoby w subskrypcji platformy Azure, aby zdefiniować punkt końcowy, w którym można korzystać z usługi, udostępnić klucze dostępu do uwierzytelnionego dostępu oraz zarządzać rozliczeniami użycia usługi przez aplikację.
Opcje zasobów platformy Azure
W przypadku wielu dostępnych usług sztucznej inteligencji można wybrać między następującymi opcjami aprowizacji:
Zasób z wieloma usługami
Możesz aprowizować zasób usług sztucznej inteligencji, który obsługuje wiele różnych usług sztucznej inteligencji. Można na przykład utworzyć pojedynczy zasób, który umożliwia korzystanie z języka AI platformy Azure, usługi Azure AI Vision, usługi Azure AI Speech i innych usług.
Takie podejście umożliwia zarządzanie pojedynczym zestawem poświadczeń dostępu w celu korzystania z wielu usług w jednym punkcie końcowym oraz z pojedynczym punktem rozliczeniowym na potrzeby użycia wszystkich usług.
Zasób pojedynczej usługi
Każdą usługę sztucznej inteligencji można aprowizować indywidualnie, na przykład tworząc dyskretny język sztucznej inteligencji i zasoby usługi AI Vision w ramach subskrypcji platformy Azure.
Takie podejście umożliwia używanie oddzielnych punktów końcowych dla każdej usługi (na przykład do aprowizowania ich w różnych regionach geograficznych) i zarządzania poświadczeniami dostępu dla każdej usługi niezależnie. Umożliwia również oddzielne zarządzanie rozliczeniami dla każdej usługi.
Zasoby z jedną usługą zazwyczaj oferują warstwę bezpłatną (z ograniczeniami użycia), dzięki czemu warto wypróbować usługę przed użyciem jej w aplikacji produkcyjnej.
Zasoby dotyczące trenowania i przewidywania
Większość usług sztucznej inteligencji może być używana za pośrednictwem pojedynczego zasobu platformy Azure, jednak niektóre oferty (lub wymagają) oddzielnych zasobów na potrzeby trenowania i przewidywania modelu. Dzięki temu można zarządzać rozliczeniami na potrzeby trenowania modeli niestandardowych niezależnie od użycia modelu przez aplikacje. W większości przypadków można użyć dedykowanego zasobu specyficznego dla usługi do trenowania modelu, ale ogólnego zasobu usług sztucznej inteligencji w celu udostępnienia modelu aplikacjom na potrzeby wnioskowania.