Azure AI Studio 模型目錄向量化工具
重要
此功能在補充使用規定下處於公開預覽狀態。 2024-05-01-Preview REST API 支援此功能。
Azure AI Studio 模型目錄 向量化工具會連線到透過 Azure AI Studio 模型目錄 部署至 Azure Machine Learning 端點的內嵌模型。 您的數據會在部署模型的地理位置中處理。
向量化工具參數
這些參數會區分大小寫。 您選擇的使用參數,取決於您的 AML 線上端點所需的驗證 (如果有的話)。
參數名稱 | 描述 |
---|---|
uri |
(必要) JSON 承載傳送到的 AML 線上端點的 URI。 僅允許 https URI 配置。 |
modelName |
(必要) 部署在所提供端點之 AI Studio 模型目錄的模型識別碼。 目前支援的值為
|
key |
(金鑰驗證需要) AML 線上端點的金鑰。 |
resourceId |
(權杖驗證需要)。 AML 線上端點的 Azure Resource Manager 資源識別碼。 其格式應為 subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{workspace-name}/onlineendpoints/{endpoint_name}。 |
region |
(權杖驗證的選用項目)。 AML 線上端點部署的 區域。 如果區域與搜尋服務的區域不同,則需要。 |
timeout |
(選擇性) 指定時,表示進行 API 呼叫的 http 用戶端逾時。 其必須格式化為 XSD "dayTimeDuration" 值 ( ISO 8601 持續時間 值的受限子集)。 例如,PT60S 為 60 秒。 如果沒有設定,則選擇的預設值為 30 秒。 逾時最高可設定為 230 秒,最低 1 秒。 |
該使用的驗證參數
需要哪些驗證參數會取決於您的 AML 線上端點使用何種驗證 (若果有的話)。 AML 線上端點提供兩個驗證選項:
- 金鑰式驗證。 提供靜態金鑰,驗證來自向量工具的評分要求。
- 使用 uri 和 key 參數
- 權杖式驗證。 AML 線上端點服務使用權杖式驗證進行部署。 必須啟用 Azure AI 搜尋服務的 受控識別。 向量工具接著會使用服務的受控識別對 AML 線上端點進行驗證,而不需要靜態金鑰。 身分識別必須獲指派擁有者或參與者角色。
- 使用 resourceId 參數。
- 如果搜尋服務位於與 AML 工作區不同的區域,請使用 區域 參數來設定 AML 線上端點所部署的區域
支援的向量查詢類型
AI Studio 模型目錄向量化工具支援哪些向量查詢類型取決於所設定的 modelName
。
modelName |
支援 text 查詢 |
支援 imageUrl 查詢 |
支援 imageBinary 查詢 |
---|---|---|---|
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 |
預期欄位維度
使用 AI Studio 模型目錄向量化工具設定之欄位的預期欄位維度取決於所設定的 modelName
。
modelName |
預期維度 |
---|---|
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 |
範例定義
"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,
},
}
]
另請參閱
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應