Maskininlärning och AI med ONNX i SQL Edge
Viktigt!
Azure SQL Edge stöder inte längre ARM64-plattformen.
Maskininlärning i Azure SQL Edge stöder modeller i ONNX-format (Open Neural Network Exchange). ONNX är ett öppet format som du kan använda för att utbyta modeller mellan olika maskininlärningsramverk och verktyg.
Översikt
Om du vill härleda maskininlärningsmodeller i Azure SQL Edge måste du först skaffa en modell. Detta kan vara en förtränad modell eller en anpassad modell som tränats med valfri ramverk. Azure SQL Edge stöder ONNX-formatet och du måste konvertera modellen till det här formatet. Det bör inte påverka modellens noggrannhet, och när du har ONNX-modellen kan du distribuera modellen i Azure SQL Edge och använda intern bedömning med funktionen PREDICT T-SQL.
Hämta ONNX-modeller
Så här hämtar du en modell i ONNX-format:
Model Building Services: Tjänster som den automatiserade Machine Learning-funktionen i Azure Machine Learning och Azure Custom Vision Service stöder direkt export av den tränade modellen i ONNX-format.
Konvertera och/eller exportera befintliga modeller: Flera träningsramverk (till exempel PyTorch, Chainer och Caffe2) stöder inbyggda exportfunktioner till ONNX, vilket gör att du kan spara din tränade modell till en viss version av ONNX-formatet. För ramverk som inte stöder intern export finns det fristående ONNX Converter-installationspaket som gör att du kan konvertera modeller som tränats från olika maskininlärningsramverk till ONNX-formatet.
Ramverk som stöds
-
En fullständig lista över ramverk och exempel som stöds finns i Konvertera till ONNX-format.
Begränsningar
För närvarande stöds inte alla ONNX-modeller av Azure SQL Edge. Stödet är begränsat till modeller med numeriska datatyper:
Andra numeriska typer kan konverteras till typer som stöds med hjälp av CAST och CONVERT.
Modellindata ska struktureras så att varje indata till modellen motsvarar en enda kolumn i en tabell. Om du till exempel använder en Pandas-dataram för att träna en modell bör varje indata vara en separat kolumn till modellen.