Planowanie punktów końcowych wdrożenia usługi Azure Machine Edukacja
Po wytrenowanym modelu uczenia maszynowego i ocenieniu go do punktu, w którym wszystko będzie gotowe do użycia poza własnym środowiskiem deweloperskim lub testowym, należy wdrożyć go gdzieś. Usługa Azure Machine Edukacja upraszcza ten proces. Możesz użyć składników usługi i narzędzi, aby zarejestrować model i wdrożyć go w jednym z dostępnych celów obliczeniowych, aby można było udostępnić go jako usługę internetową w chmurze platformy Azure lub na urządzeniu usługi IoT Edge.
Dostępne cele obliczeniowe
Do hostowania wdrożenia usługi internetowej można użyć następujących celów obliczeniowych:
Docelowy zasób obliczeniowy | Sposób użycia | opis |
---|---|---|
Lokalna usługa internetowa | Testowanie/debugowanie | Dobra do ograniczonego testowania i rozwiązywania problemów. |
Azure Kubernetes Service (AKS) | Wnioskowanie w czasie rzeczywistym | Dobre w przypadku wdrożeń produkcyjnych o dużej skali. Zapewnia skalowanie automatyczne i szybkie czasy odpowiedzi. |
Azure Container Instances (ACI) | Testowanie | Dobra w przypadku obciążeń opartych na procesorach CPU o niskiej skali. |
Klastry obliczeniowe usługi Azure Machine Edukacja | Wnioskowanie wsadowe | Uruchom ocenianie wsadowe na obliczeniach bezserwerowych. Obsługuje normalne i o niskim priorytcie maszyny wirtualne. |
Azure IoT Edge | (Wersja zapoznawcza) Moduł IoT | Wdrażanie i obsługa modeli uczenia maszynowego na urządzeniach IoT. |