简介

  • 2 分钟

通过在 Azure 机器学习中选择适当的推理策略来优化模型评分。

假设你是在一家制造公司工作的数据科学家。 由于你的公司使用的是重型设备，因此安全性是第一要务。

安全监视团队在不安全情况（例如人们在危险机械附近不戴安全帽）高发区域安装了摄像头。 该团队要求你训练一个模型来识别安全帽和机械等物体，以便在检测到安全风险时发送警报。

训练计算密集型模型（例如计算机视觉模型）已需要大量计算能力。 当你想要部署训练的模型以获取实时或批处理预测时，必须选择适当的部署配置以获得最佳性能。

完成此模块后，你将能够设计和执行推理策略来部署计算密集型模型。

学习目标

本模块介绍了以下内容：

  • 选择适当的推理策略。
  • 用 ONNX 优化模型评分。
  • 将 Triton 部署为托管联机终结点。