Aracılığıyla paylaş

PostgreSQL için Azure Veritabanı Azure Machine Learning Services ile tümleştirme

Azure AI uzantısı, SQL'in içinden Azure Machine Learning çevrimiçi uç noktalarına dağıtılan tüm makine öğrenmesi modellerini çağırma olanağı sağlar. Bu modeller, Azure Machine Learning kataloğundan veya eğitilen ve dağıtılan özel modellerden olabilir.

Önkoşullar

Not

Azure Machine Learning örneklerini inceleyebilirsiniz.

Azure Machine Learning uç noktasını yapılandırma

Azure Machine Learning stüdyosu Uç Noktalar Uç, çevrimiçi uç noktanın uç nokta URI'sini ve Anahtarını bulabilirsiniz. Uzantıyı çevrimiçi çıkarım uç noktasını kullanacak şekilde yapılandırmak azure_ai için bu değerleri kullanın.

select azure_ai.set_setting('azure_ml.scoring_endpoint','<URI>');
select azure_ai.set_setting('azure_ml.endpoint_key', '<Key>');

azure_ml.invoke

Çevrimiçi uç noktada Azure Machine Learning modeli dağıtımını çağıran giriş verilerini puanlar.

azure_ml.invoke(input_data jsonb, timeout_ms integer DEFAULT NULL, throw_on_error boolean DEFAULT true, deployment_name text DEFAULT NULL)

Bağımsız değişkenler

input_data

jsonb model için istek yükünü içeren json.

deployment_name

text Azure Machine Learning çevrimiçi çıkarım uç noktasında dağıtılan modele karşılık gelen dağıtımın adı

timeout_ms

integer DEFAULT NULL işlem durdurulduktan sonra milisaniye cinsinden zaman aşımı. Modelin dağıtımının kendisi, kullanıcı tanımlı işlevdeki zaman aşımı parametresinden daha düşük bir değer olarak belirtilen bir zaman aşımına sahip olabilir. Bu zaman aşımı aşılırsa puanlama işlemi başarısız olur.

throw_on_error

boolean DEFAULT true hatası oluştuğunda işlevin sarmalama işlemlerinin geri alınmasına neden olan bir özel durum oluşturması gerekir.

max_attempts

integer DEFAULT 1 yeniden denenebilir bir hatayla başarısız olursa uzantının Azure Machine Learning uç noktasını çağırmayı yeniden deneme sayısı.

retry_delay_ms

integer DEFAULT 1000 uzantının Azure Machine Learning uç noktasını çağırmadan önce beklediği süre (milisaniye) ve yeniden denenebilir bir hatayla başarısız olduğunda.

Dönüş türü

jsonb JSONB'de çağrılan model için puanlama çıktısı.

Örnekler

Makine öğrenmesi modelini çağırma

Bu, modeli input_data ile çağırır ve bir jsonb yükü döndürür.

-- Invoke model, input data depends on the model.
  SELECT * FROM azure_ml.invoke('
  {
    "input_data": [
      [1,2,3,4,5,6,7,8],
      [-1,-2,-3,-4,-5,-6,-7,-8]
    ],
    "params": {}
  }', deployment_name=>'Housingprediction' )

-- Get JSON elements from model output
SELECT jsonb_array_elements(invoke.invoke) as MedianHousePrediction
FROM azure_ml.invoke('
{
  "input_data": [
    [1,2,3,4,5,6,7,8],
    [-1,-2,-3,-4,-5,-6,-7,-8]
  ],
 "params": {}
}', deployment_name=>'Housingprediction' )

İlgili içerik

  • Last updated on