vetorizador do catálogo de modelos do Microsoft Foundry (pré-visualização)

O vetorizador de catálogo de modelos Microsoft Foundry (pré-visualização) liga-se a um modelo de embedding implementado a partir do catálogo de modelos Foundry ou de um endpoint Azure Machine Learning (AML). Os seus dados são processados na Geo onde o seu modelo é implementado.

Se estiver a usar vetorização integrada para criar os arrays vetoriais, o conjunto de competências deve incluir uma competência AML que aponte para o mesmo modelo especificado no vetorizador.

Pré-requisitos

• Um projeto baseado no hub Foundry da Microsoft ou um espaço de trabalho AML para um modelo personalizado que você cria.

• Para projetos baseados apenas em hub, uma implementação serverless de um modelo suportado do catálogo Foundry da Microsoft. Podes usar o CLI do Azure para provisionar a implementação serverless.

Parâmetros do vetorizador

Os parâmetros diferenciam letras maiúsculas de minúsculas. Os parâmetros que utiliza dependem da autenticação que o seu fornecedor de modelos exige, se é que exige.

Que parâmetros de autenticação usar

O vetorizador de catálogo de modelos Microsoft Foundry oferece duas opções de autenticação:

• Autenticação baseada em chaves. Você fornece uma chave estática para autenticar pedidos de pontuação do vetorizador. Defina os parâmetros uri e key para esta ligação.

• Autenticação baseada em tokens. O projeto baseado no hub Foundry, ou endpoint online AML, é implementado usando autenticação baseada em token. O serviço Pesquisa de IA do Azure deve ter uma managed identity e uma atribuição de função ao fornecedor do modelo. O vetorizador usa então a identidade do serviço de pesquisa para autenticar contra o fornecedor do modelo, sem necessidade de chaves estáticas. A identidade do serviço de pesquisa deve ter o papel de Proprietário ou Contribuidor . Defina o resourceId parâmetro e, se o serviço de pesquisa estiver numa região diferente do fornecedor do modelo, defina o region parâmetro.

Tipos de consulta vetorial suportados

Quais os tipos de consulta vetorial suportados pelo vetorizador de catálogo de modelos da Microsoft Foundry dependem do modelName configurado.

Dimensões esperadas do campo

As dimensões esperadas do campo para um campo vetorial configurado com um vetorizador de catálogo de modelos Microsoft Foundry dependem do modelName que está configurado.

Definição de exemplo

Os nomes sugeridos de modelos no catálogo de modelos da Foundry consistem no modelo base mais um sufixo aleatório de três letras. O nome do seu modelo será diferente do mostrado neste exemplo.

"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,
        },
    }
]

Ver também

• Vetorização integrada
• Vetorização integrada com modelos da Foundry
• Configure um vetorizador num índice de pesquisa
• Competência em AML
• Catálogo de modelos de fundição