Lösningsidéer
Den här artikeln är en lösningsidé. Om du vill att vi ska utöka innehållet med mer information, till exempel potentiella användningsfall, alternativa tjänster, implementeringsöverväganden eller prisvägledning, kan du meddela oss genom att ge GitHub-feedback.
Den här arkitekturen visar hur du kan ta din tränade AI-modell till gränsen med Azure Stack Hub och integrera den med dina program för intelligens med låg latens.
Arkitektur
Ladda ned en Visio-fil med den här arkitekturen.
Dataflöde
- Data bearbetas med Hjälp av Azure Data Factory som ska placeras på Azure Data Lake.
- Data från Azure Data Factory placeras i Azure Data Lake Storage för träning.
- Dataexperter tränar en modell med Hjälp av Azure Machine Learning. Modellen placeras i container i ett Azure Container Registry.
- Modellen distribueras till ett Kubernetes-kluster på Azure Stack Hub.
- Det lokala webbprogrammet kan användas för att poängsätta data som tillhandahålls av slutanvändaren för att poängsätta mot den modell som distribueras i Kubernetes-klustret.
- Slutanvändarna tillhandahåller data som har poängsatts mot modellen.
- Insikter och avvikelser från bedömningen placeras i kö.
- En funktionsapp utlöses när bedömningsinformationen placeras i kön.
- En funktion skickar konsekventa data och avvikelser till Azure Storage.
- Globalt relevanta och kompatibla insikter är tillgängliga för förbrukning i Power BI och en global app.
- Feedbackloop: Modellens omträning kan utlösas av ett schema. Dataforskare arbetar med optimeringen. Den förbättrade modellen distribueras och containeriseras som en uppdatering av containerregistret.
Komponenter
Viktiga tekniker som används för att implementera den här arkitekturen:
- Azure Machine Learning: Skapa, distribuera och hantera lösningar för förutsägelseanalys.
- Azure Data Factory: Mata in data i Azure Data Factory.
- Azure Data Lake Storage: Läs in data i Azure Data Lake Storage Gen2 med Azure Data Factory.
- Container Registry: Lagra och hantera containeravbildningar i alla typer av Azure-distributioner.
- Azure Kubernetes Service (AKS): Förenkla distributionen, hanteringen och driften av Kubernetes.
- Azure Storage: Hållbar, högtillgänglig och massivt skalbar molnlagring.
- Azure Stack Hub: Skapa och köra innovativa hybridprogram över molngränser.
- Azure Functions: Händelsedriven serverlös beräkningsenhet för uppgifter på begäran som körs utan behov av att underhålla databehandlingsservern.
- Azure App Service: Sökväg som samlar in feedbackdata från slutanvändare för att aktivera modelloptimering.
Information om scenario
Med Azure AI-verktygen, gränsen och molnplattformen är gränsinformation möjlig. Nästa generations AI-aktiverade hybridprogram kan köras där dina data finns. Med Azure Stack Hub kan du ta med en tränad AI-modell till gränsen, integrera den med dina program för intelligens med låg latens och kontinuerligt feedback i en förfinad AI-modell för bättre noggrannhet, utan verktyg eller processändringar för lokala program. Den här lösningsidén visar ett anslutet Stack Hub-scenario, där edge-program är anslutna till Azure. Den frånkopplade edge-versionen av det här scenariot finns i artikeln AI vid gränsen – frånkopplad.
Potentiella användningsfall
Det finns ett brett utbud av Edge AI-program som övervakar och tillhandahåller information nästan i realtid. Områden där Edge AI kan vara till hjälp är:
- Identifieringsprocesser för säkerhetskameror.
- Bild- och videoanalys (medie- och underhållningsindustrin).
- Transport och trafik (fordons- och mobilitetsindustrin).
- Tillverkning.
- Energi (smarta rutnät).
Nästa steg
- Vill du lära dig mer? Kolla in modulen Introduktion till Azure Stack
- Få Microsoft Certifierat för Azure Stack Hub med Azure Stack Hub Operator Associate-certifieringen
- Så här installerar du AKS-motorn på Linux i Azure Stack Hub
- Så här installerar du AKS-motorn i Windows i Azure Stack Hub
- Distribuera dina maskininlärningsmodeller till en gränsenhet med Azure Stack Edge-enheter
- Förnya ytterligare och distribuera Azure AI-tjänster (Speech, Language, Decision, Vision) till Azure Stack Hub
Mer information om de aktuella Azure-tjänsterna finns i följande artiklar och exempel:
- Dokumentation om App Service
- Azure Data Lake Storage Gen 2
- Dokumentation om Azure Kubernetes Service (AKS)
- Dokumentation om Azure Machine Learning
- Dokumentation om Azure Stack Hub
- Distributionsalternativ för Azure Stack Hub
- Dokumentation om Container Registry
- Dokumentation om lagring
- Azure-exempel – Azure Stack Hub Foundation (på GitHub)
- Dokumentation om azure-hybrid- och multimolnmönster och lösningar
Relaterade resurser
Se följande relaterade arkitekturer: