Katalogvektoriserare för Azure AI Studio-modell

Artikel
05/28/2024

Viktigt!

Den här funktionen är i offentlig förhandsversion under kompletterande användningsvillkor. REST API för förhandsversion 2024-05-01 stöder den här funktionen.

Azure AI Studio-modellkatalogvektoriseraren ansluter till en inbäddningsmodell som distribuerades via Azure AI Studio-modellkatalogen till en Azure Machine Learning-slutpunkt. Dina data bearbetas i geo-området där din modell distribueras.

Vectorizer-parametrar

Parametrar är skiftlägeskänsliga. Vilka parametrar du väljer att använda beror på vilken autentisering din AML-onlineslutpunkt kräver, om någon.

Parameternamn	beskrivning
`uri`	(Krävs) URI:n för den AML-onlineslutpunkt som JSON-nyttolasten skickas till. Endast https-URI-schemat tillåts.
`modelName`	(Krävs) Modell-ID:t från AI Studio-modellkatalogen som distribueras på den angivna slutpunkten. För närvarande stöds värden OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch32 OpenAI-CLIP-Image-Text-Embeddings-ViT-Large-Patch14-336 Facebook-DinoV2-Image-Embeddings-ViT-Base Facebook-DinoV2-Image-Embeddings-ViT-Giant Cohere-embed-v3-english Cohere-embed-v3-multilingual
`key`	(Krävs för nyckelautentisering) Nyckeln för AML-onlineslutpunkten.
`resourceId`	(Krävs för tokenautentisering). Azure Resource Manager-resurs-ID för AML-onlineslutpunkten. Det bör vara i formatet subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{workspace-name}/onlineendpoints/{endpoint_name}.
`region`	(Valfritt för tokenautentisering). Den region som AML-onlineslutpunkten distribueras i. Behövs om regionen skiljer sig från söktjänstens region.
`timeout`	(Valfritt) När det anges anger du tidsgränsen för http-klienten som gör API-anropet. Det måste formateras som ett XSD-värde "dayTimeDuration" (en begränsad delmängd av ett ISO 8601-varaktighetsvärde ). Till exempel `PT60S` i 60 sekunder. Om det inte anges väljs ett standardvärde på 30 sekunder. Tidsgränsen kan anges till högst 230 sekunder och minst 1 sekund.

Vilka autentiseringsparametrar som ska användas

Vilka autentiseringsparametrar som krävs beror på vilken autentisering din AML-onlineslutpunkt använder, om någon. AML-onlineslutpunkter tillhandahåller två autentiseringsalternativ:

Nyckelbaserad autentisering. En statisk nyckel tillhandahålls för att autentisera bedömningsbegäranden från vektoriseraren.
- Använda URI- och nyckelparametrarna
Tokenbaserad autentisering. AML-onlineslutpunkten distribueras med hjälp av tokenbaserad autentisering. Azure AI-tjänsten Search hanterade identitet måste vara aktiverad. Vektoriseraren använder sedan tjänstens hanterade identitet för att autentisera mot AML-onlineslutpunkten, utan att några statiska nycklar krävs. Identiteten måste vara tilldelad ägar- eller deltagarroll.
- Använd parametern resourceId .
- Om söktjänsten finns i en annan region än AML-arbetsytan använder du regionparametern för att ange den region som AML-onlineslutpunkten distribuerades i

Frågetyper för vektorer som stöds

Vilka vektorfrågetyper som stöds av AI Studio-modellkatalogvektoriseraren beror på vilken modelName som är konfigurerad.

`modelName`	Stöder `text` fråga	Stöder `imageUrl` fråga	Stöder `imageBinary` fråga
OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch32	X	X	X
OpenAI-CLIP-Image-Text-Embeddings-ViT-Large-Patch14-336	X	X	X
Facebook-DinoV2-Image-Embeddings-ViT-Base		X	X
Facebook-DinoV2-Image-Embeddings-ViT-Giant		X	X
Cohere-embed-v3-english	X
Cohere-embed-v3-multilingual	X

Förväntade fältdimensioner

De förväntade fältdimensionerna för ett fält som konfigurerats med en katalogvektoriserare för AI Studio-modellen beror på vilken modelName som är konfigurerad.

`modelName`	Förväntade dimensioner
OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch32	512
OpenAI-CLIP-Image-Text-Embeddings-ViT-Large-Patch14-336	768
Facebook-DinoV2-Image-Embeddings-ViT-Base	768
Facebook-DinoV2-Image-Embeddings-ViT-Giant	1536
Cohere-embed-v3-english	1024
Cohere-embed-v3-multilingual	1024

Exempeldefinition

"vectorizers": [
    {
        "name": "my-ai-studio-catalog-vectorizer",
        "kind": "aml",
        "amlParameters": {
            "uri": "https://my-aml-endpoint.eastus.inference.ml.azure.com/score",
            "key": "0000000000000000000000000000000000000",
            "timeout": "PT60S",
            "modelName": "OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch3",
            "resourceId": null,
            "region": null,
        },
    }
]

Dela via