Microsoft Foundry-Modellkatalog-Vektorizer (Vorschau)

Note

Azure KI-Suche ist über das Azure Portal, REST-APIs und Azure SDKs verfügbar. Es unterstützt auch Foundry IQ, die verwaltete Wissensschicht, die Unternehmensinhalte in wiederverwendbare, berechtigungsfähige Wissensbasen für Agenten im Microsoft Foundry-Portal transformiert.

Wichtig

Features, Funktionen oder Eigenschaften, die als (Vorschau) gekennzeichnet sind, werden von keiner Dienstebenenvereinbarung (SLA) abgedeckt, werden für Produktionsworkloads nicht empfohlen und können geändert oder eingeschränkt werden, bevor sie allgemein verfügbar sind. Die Azure KI-Suche Vorschaubedingungen gelten für alle Vorschaufunktionen, unabhängig davon, ob sie eigenständig oder Teil eines allgemein verfügbaren Features ist.

Der Microsoft Foundry-Modellkatalogvektorizer (Vorschau) stellt eine Verbindung mit einem einbettenden Modell her, das aus dem Foundry-Modellkatalog oder einem Azure Machine Learning (AML)-Endpunkt bereitgestellt wird. Ihre Daten werden im Geo verarbeitet, in dem Ihr Modell bereitgestellt wird.

Wenn Sie die integrierte Vektorisierung zum Erstellen der Vektorarrays verwenden, sollte das Skillset eine AML-Fähigkeit enthalten, die auf das im Vektorizer angegebene Modell verweist.

Voraussetzungen

Vectorizer-Parameter

Bei Parametern wird zwischen Groß- und Kleinschreibung unterschieden. Die von Ihnen verwendeten Parameter hängen davon ab, welche Authentifizierung Ihr Modellanbieter benötigt, falls vorhanden.

Parametername Beschreibung
uri (Erforderlich für die Schlüsselauthentifizierung) Der Ziel-URI der serverlosen Bereitstellung aus dem Microsoft Foundry-Modellkatalog oder dem Bewertungs-URI des AML-Onlineendpunkts. Nur das HTTPS-URI-Schema ist zulässig.
key (Erforderlich für die Schlüsselauthentifizierung) Der API-Schlüssel des Modellanbieters.
resourceId (Erforderlich für tokenauthentifizierung) Die Azure Resource Manager Ressourcen-ID des Modellanbieters. Verwenden Sie für einen AML-Onlineendpunkt das format subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{workspace-name}/onlineendpoints/{endpoint_name}.
modelName Der Name des Einbettungsmodells aus dem Microsoft Foundry-Modellkatalog, das im angegebenen uri bereitgestellt wird. Unterstützte Modelle (nur serverlose Bereitstellungen) sind:

  • Cohere-embed-v3-englisch
  • Cohere-embed-v3-multilingual
  • Cohere-embed-v4
region (Optional für die Tokenauthentifizierung) Die Region, in der der Modellanbieter bereitgestellt wird. Erforderlich, wenn sich die Region von der Region des Suchdiensts unterscheidet.
timeout (Optional) Das Timeout für den HTTP-Client, der den API-Aufruf vornimmt. Es muss als XSD-Wert „dayTimeDuration“ formatiert sein (eine eingeschränkte Teilmenge eines ISO 8601-Zeitwerts). Beispiel PT60S : 60 Sekunden. Wenn nicht festgelegt, wird ein Standardwert von 30 Sekunden ausgewählt. Das Timeout kann auf maximal 230 Sekunden und mindestens 1 Sekunde festgelegt werden.

Zu verwendende Authentifizierungsparameter

Der Microsoft Foundry-Modellkatalogvektorizer bietet zwei Authentifizierungsoptionen:

  • Schlüsselbasierte Authentifizierung. Sie stellen einen statischen Schlüssel zum Authentifizieren von Bewertungsanforderungen vom Vektorizer bereit. Legen Sie die uri- und key-Parameter für diese Verbindung fest.

  • Tokenbasierte Authentifizierung. Das Foundry hub-basierte Projekt oder der AML-Onlineendpunkt wird mithilfe der Token-basierten Authentifizierung bereitgestellt. Der Azure KI-Suche Dienst muss über eine managed Identity und eine Rollenzuweisung für den Modellanbieter verfügen. Der Vektorizer verwendet dann die Suchdienstidentität, um sich beim Modellanbieter zu authentifizieren, ohne dass statische Schlüssel erforderlich sind. Die Identität des Suchdiensts muss über die Rolle Besitzer oder Mitwirkender verfügen. Legen Sie den resourceId Parameter fest und den region Parameter, wenn sich der Suchdienst in einer anderen Region als der Modellanbieter befindet.

Unterstützte Vektorabfragetypen

Welche Vektorabfragetypen vom Microsoft Foundry Model Catalog Vectorizer unterstützt werden, hängt vom konfigurierten modelName ab.

Einbettungsmodell Unterstützt text Abfrage Unterstützt imageUrl Abfrage Unterstützt imageBinary Abfrage
Cohere-embed-v3-englisch X X
Cohere-embed-v3-multilingual X X
Cohere-embed-v4 X X

Erwartete Feldabmessungen

Die erwarteten Feldabmessungen für ein Vektorfeld, das mit einem Microsoft Foundry-Modellkatalogvektorizer konfiguriert ist, hängen vom konfigurierten modelName ab.

modelName Erwartete Dimensionen
Cohere-embed-v3-englisch 1024
Cohere-embed-v3-multilingual 1024
Cohere-embed-v4 256–1536

Beispieldefinition

Vorgeschlagene Modellnamen im Foundry-Modellkatalog bestehen aus dem Basismodell und einem zufälligen Suffix mit drei Buchstaben. Der Name Ihres Modells unterscheidet sich von der in diesem Beispiel gezeigten.

"vectorizers": [
    {
        "name": "my-model-catalog-vectorizer",
        "kind": "aml",
        "amlParameters": {
            "uri": "https://Cohere-embed-v3-multilingual-hin.eastus.models.ai.azure.com",
            "key": "aaaaaaaa-0b0b-1c1c-2d2d-333333333333",
            "timeout": "PT60S",
            "modelName": "Cohere-embed-v3-multilingual-hin",
            "resourceId": null,
            "region": null,
        },
    }
]

Siehe auch

  • Last updated on