Trazer o seu próprio modelo de IA para o AI Builder
Pode trazer o seu próprio modelo para AI Builder de forma a poder funcionar como qualquer modelo AI Builder personalizado. Pode utilizar o seu modelo no Microsoft Power Platform ao utilizar o Power Automate ou pode criar aplicações com o Power Apps.
Quando usa o seu próprio modelo, às vezes é referido como um ponto final modelo, que permite a comunicação. Quando usa o seu próprio modelo, aplicam-se limitações. Estas limitações são descritas mais adiante neste artigo.
Fora de AI Builder, pode criar o seu próprio modelo utilizando a plataforma Azure Machine Learning. Para utilizar o modelo em AI Builder, deve satisfazer determinados requisitos:
O seu modelo contém uma definição de API que adere à especificação OpenAPI (também conhecida como Swagger).
Registou o seu modelo no AI Builder usando um pacote Python.
O primeiro passo para introduzir o seu próprio modelo AI Builder é registá-lo. Siga o procedimento em Traga o seu próprio tutorial de modelo (no GitHub).
Depois de registar o modelo, verá na lista de modelos AI Builder. Na página de detalhes do modelo, a Origem do modelo será Importada para mostrar que o modelo externo está registado em AI Builder através da utilização do seu modelo importado ponto final.
O único mecanismo de autenticação suportado são as chaves API que utilizam o Azure Machine Learning.
Apenas é suportado o Swagger 2.0.
O tamanho máximo permitido do lote é de 500 linhas.
A latência/tempo limite máximo permitido é de 20 segundos.
Os tipos de dados de OpenAPI suportados são:
- Número inteiro
- Número
- Booleano
- Cadeia (de carateres)
Se o seu modelo interpretar uma imagem como uma entrada na Base64, pode apenas ser utilizada para predição em tempo real, para consumo em Power Automate ou Microsoft Power Fx. A predição de lotes não é suportada.
- O nome do campo tem de terminar com imagem (não sensível às maiúsculas e minúsculas).
- O tipo de dados deve ser Cadeia.
Agora está pronto para usar o seu próprio modelo em AI Builder. Pode executar tarefas de gestão de ciclos de vida de aplicações, tais como exportar o seu próprio modelo utilizando uma solução, importar o seu modelo para o ambiente de destino e atualizar o seu modelo em ambientes de origem ou destino.