共用方式為

使用 ONNX 在 Azure SQL Edge 上部署 ML 模型

這很重要

Azure SQL Edge 已於 2025 年 9 月 30 日淘汰。 如需詳細資訊和移轉選項，請參閱淘汰通知。

備註

Azure SQL Edge 不再支援 ARM64 平台。

在此教學課程三部曲的第三部分中，若要在 Azure SQL Edge 中預測鐵礦中的雜質含量，您必須：

  1. 使用 Azure Data Studio 連線到 Azure SQL Edge 執行個體中的 SQL Database。
  2. 使用 Azure SQL Edge 中的 ONNX 來預測鐵礦中的雜質含量。

主要元件

  1. 解決方案在傳送至 Edge 中樞的每個訊息之間使用預設的 500 毫秒。 這可以在 Program.cs 檔案中變更

    TimeSpan messageDelay = configuration.GetValue("MessageDelay", TimeSpan.FromMilliseconds(500));

  2. 解決方案產生了具有下列屬性的訊息。 依據需求新增或移除屬性。

    {
    timestamp
    cur_Iron_Feed
    cur_Silica_Feed
    cur_Starch_Flow
    cur_Amina_Flow
    cur_Ore_Pulp_pH
    cur_Flotation_Column_01_Air_Flow
    cur_Flotation_Column_02_Air_Flow
    cur_Flotation_Column_03_Air_Flow
    cur_Flotation_Column_04_Air_Flow
    cur_Flotation_Column_01_Level
    cur_Flotation_Column_02_Level
    cur_Flotation_Column_03_Level
    cur_Flotation_Column_04_Level
    cur_Iron_Concentrate
}

連線到 Azure SQL Edge 執行個體中的 SQL Database，以定型、部署及測試 ML 模型

  1. 開啟 Azure Data Studio。

  2. 在歡迎使用索引標籤中，使用下列詳細資料開始新的連線：

    領域 價值觀
    連接類型 Microsoft SQL Server
    伺服器 在此示範中建立的 VM 中提到的公用 IP 位址
    用戶名稱 薩
    密碼 建立 Azure SQL Edge 執行個體時所使用的強式密碼
    資料庫 預設
    伺服器群組 預設
    名稱 (選擇性) 提供選用的名稱

  3. 選擇 連線。

  4. 在 [檔案] 區段中，從您在機器上複製專案檔的資料夾中開啟 /DeploymentScripts/MiningProcess_ONNX.jpynb。

  5. 將核心設定為 Python 3。

相關內容

  • Last updated on