Каталог моделей и коллекции
Каталог моделей в Студия машинного обучения Azure — это центр для широкого спектра сторонних открытый код, а также предварительно подготовленных корпорацией Майкрософт моделей для различных языков, речевых и визуального использования. Вы можете оценить, настроить и развернуть эти модели с помощью собственных возможностей для создания и эксплуатации моделей основы с открытым исходным кодом в масштабе, чтобы легко интегрировать эти предварительно обученные модели в приложения с корпоративной безопасностью и управлением данными.
- Обнаружение: просмотр описаний модели, пример вывода и просмотр примеров кода для оценки, точной настройки или развертывания модели.
- Оценка. Оцените, подходит ли модель для конкретной рабочей нагрузки, предоставив собственные тестовые данные. Метрики оценки позволяют легко визуализировать, насколько хорошо выбранная модель работает в вашем сценарии.
- Точной настройки: настройте эти модели с помощью собственных обучающих данных. Встроенные оптимизации, которые ускоряют настройку и сокращают объем памяти и вычислительные ресурсы, необходимые для точной настройки. Применяйте возможности экспериментирования и отслеживания Машинного обучения Azure, чтобы упорядочить задания обучения и найти модель, которая наилучшим образом подойдет для ваших потребностей.
- Развертывание. Развертывание: развертывание предварительно обученных моделей Foundation Или точно настроенных моделей в сетевых конечных точках для вывода в режиме реального времени или пакетных конечных точек для обработки больших наборов данных вывода в режиме задания. Применение ведущих в отрасли возможностей эксплуатации машинного обучения в Машинное обучение Azure.
- Импорт: модели с открытым исходным кодом выпускаются часто. Вы всегда можете использовать последние модели в Машинное обучение Azure путем импорта моделей, аналогичных моделям в каталоге. Например, можно импортировать модели для поддерживаемых задач, использующих те же библиотеки.
Начните с изучения коллекций моделей или фильтрации на основе задач и лицензий, чтобы найти модель для вашего варианта использования. Task
вызывает задачу вывода, для которую можно использовать базовую модель. Finetuning-tasks
перечислить задачи, для которые можно настроить эту модель. License
вызывает сведения о лицензировании.
Коллекции
В каталоге моделей есть три типа коллекций:
Модели с открытым кодом, курируемые СИ Azure: наиболее популярные открытый код сторонние модели, курируемые Машинное обучение Azure. Эти модели упаковываются для использования вне коробки и оптимизированы для использования в Машинное обучение Azure, предлагая состояние производительности и пропускной способности на оборудовании Azure. Они предлагают встроенную поддержку распределенного обучения и могут быть легко перенесены на оборудование Azure.
"Курируемые Azure AI" и коллекции от партнеров, таких как Meta, NVIDIA, Mistral AI являются всеми курируемыми коллекциями в каталоге.
Модели Azure OpenAI, доступные исключительно в Azure: развертывание моделей Azure OpenAI с помощью коллекции Azure Open AI в каталоге моделей.
Модели преобразователей из концентратора HuggingFace: тысячи моделей из концентратора HuggingFace доступны через коллекцию Hugging Face для вывода в режиме реального времени с сетевыми конечными точками.
Внимание
Модели в каталоге моделей охватываются сторонними лицензиями. Ознакомьтесь с лицензией моделей, которые вы планируете использовать, и убедитесь, что лицензия позволяет использовать вариант использования.
Некоторые модели в каталоге моделей в настоящее время находятся в предварительной версии.
Модели находятся в предварительной версии, если к ним применяется одна или несколько следующих инструкций:
Модель недоступна (можно развертывать, настраивать и оценивать) в изолированной сети.
Схема упаковки и вывода модели может изменяться для более новых версий модели.
Дополнительные сведения о предварительной версии см. в дополнительных условиях использования для предварительных версий Microsoft Azure.
Сравнение возможностей моделей по коллекции
Функция | Модели с открытым кодом, курируемые Машинным обучением Azure | Модели преобразователей из HuggingFace hub |
---|---|---|
Вывод | Вывод в сети и пакетный вывод | Вывод в сети |
Оценка и тонкая настройка | Оценка и точное настройку с помощью пользовательского интерфейса, пакета SDK или ИНТЕРФЕЙСА командной строки | недоступно |
Модели импорта | Ограниченная поддержка импорта моделей с помощью SDK или CLI | недоступно |
Сравнение атрибутов коллекций
Атрибут | Модели с открытым кодом, курируемые Машинным обучением Azure | Модели преобразователей из HuggingFace hub |
---|---|---|
Формат модели | Проверено в формате модели MLFlow или Triton для простого развертывания без кода с помощью сетевых и пакетных конечных точек | Преобразователи |
Размещение моделей | Весы модели, размещенные в Azure | Весовые коэффициенты для моделей извлекаются по запросу во время развертывания из HuggingFace hub. |
Использование в изолированной сети рабочей области | Внеограничная возможность исходящего трафика для использования моделей. Для установки пакетов во время выполнения некоторые модели требуют исходящего трафика в общедоступные домены. | Разрешить исходящий трафик к концентратору HuggingFace, концентратору Docker и их CDN |
Поддержка | Поддерживается Microsoft и регламентируется Соглашением об уровне обслуживания службы "Машинное обучение" Azure | Hugging face создает и поддерживает модели, перечисленные в реестре сообщества HuggingFace . Для получения помощи воспользуйтесь форумом HuggingFace или службой поддержки HuggingFace. |
Подробнее
- Узнайте, как использовать базовые модели в Машинное обучение Azure для точной настройки, оценки и развертывания с помощью Студия машинного обучения Azure методов пользовательского интерфейса или кода.
- Изучите каталог моделей в Студия машинного обучения Azure. Для изучения каталога требуется рабочая область Машинное обучение Azure.
- Оцените, настраивайте и развертывайте модели, курируемые Машинное обучение Azure.