AML becerisi

Microsoft Foundry model kataloğundan (önizleme) veya özel bir Azure Machine Learning (AML) modelinden dağıtılan bir temel ekleme modeliyle yapay zeka zenginleştirmesini genişletmek içinAML becerisini kullanın. Verileriniz, modelinizin dağıtıldığı Coğrafi bölgede işlenir.

AML becerisini bir beceri kümesinde belirterek dağıtılan modelinizi yapay zeka zenginleştirme işlem hattıyla tümleştirirsiniz. AML becerisi, yerleşik beceriler tarafından desteklenmeyen işleme veya çıkarım gerçekleştirmek için kullanışlıdır. Kendi modelinizle eklemeler oluşturma ve zenginleştirilmiş içeriğe özel makine öğrenmesi mantığı uygulama örnekleri verilebilir.

AML çevrimiçi uç noktaları için, AML becerisini çağırmak için kararlı bir API sürümü veya eşdeğer bir Azure SDK kullanın. Model kataloğuna bağlantılar için önizleme API'sinin sürümünü kullanın.

AML beceri kullanımı

Diğer beceriler gibi AML becerisinin de girişleri ve çıkışları vardır. Girişler, Foundry model kataloğundan veya AML çevrimiçi uç noktasından sunucusuz bir dağıtıma JSON nesnesi olarak gönderilir. Çıktı bir başarı durumu kodu, JSON yükü ve AML beceri tanımınız tarafından belirtilen parametreleri içermelidir. Diğer tüm yanıtlar hata olarak kabul edilir ve zenginleştirme yapılmaz.

Dizin oluşturucu aşağıdaki HTTP durum kodları için iki kez yeniden denenir:

• 503 Service Unavailable
• 429 Too Many Requests

Microsoft Foundry'deki modeller için AML becerisi (önizleme)

Azure Yapay Zeka Arama, model kataloğuna yönelik sorgu zamanı bağlantıları için Verileri içeri aktarma sihirbazında da kullanılabilen Microsoft Foundry model kataloğu vektörleştiricisini (önizleme) sağlar. Bu vektörleştiriciyi sorgular için kullanmak istiyorsanız AML becerisi, model kataloğundan bir model kullanarak ekleme oluşturmak için dizin oluşturmanın karşılığıdır .

Dizin oluşturma sırasında AML becerisi model kataloğuna bağlanarak dizin için vektörler oluşturabilir. Sorgu zamanında sorgular, metin dizelerini vektörleştirmek için aynı modele bağlanmak için vektörleştirici kullanabilir. Dizin oluşturma ve sorgular için aynı ekleme modelinin kullanılması için AML becerisini ve Microsoft Foundry model kataloğu vektörleştiricisini birlikte kullanmalısınız. Daha fazla bilgi için Foundry model kataloğundaki embedding modellerini kullanma bölümüne bakın.

Foundry'de dağıtılmış ekleme modelleri için AML becerisi içeren bir beceri kümesi oluşturmak için Verileri içeri aktarma sihirbazını kullanmanızı öneririz. Sihirbaz girişler, çıkışlar ve eşlemeler için AML beceri tanımını oluşturur ve herhangi bir kod yazmadan önce modeli test etmenin kolay bir yolunu sağlar.

Önkoşullar

• Oluşturduğunuz özel model için Microsoft Foundry hub tabanlı proje veya AML çalışma alanı.

• Yalnızca hub tabanlı projeler için, Microsoft Foundry model kataloğundan desteklenen modelin sunucusuz dağıtımı. Sunucusuz dağıtımı sağlamak için Azure CLI kullanabilirsiniz.

@odata.type

Microsoft.Skills.Custom.AmlSkill

Beceri parametreleri

Parametreler büyük veya küçük harfe duyarlıdır. Kullandığınız parametreler , model sağlayıcınızın gerektirdiği kimlik doğrulamasına (varsa) bağlıdır.

Kimlik doğrulama

AML becerisi iki kimlik doğrulama seçeneği sağlar:

• Anahtar tabanlı kimlik doğrulaması: AML becerisinden puanlama isteklerinin kimliğini doğrulamak için statik bir anahtar sağlarsınız. Bu bağlantı için uri ve key parametrelerini ayarlayın.

• Belirteç tabanlı kimlik doğrulaması: Foundry hub tabanlı proje veya AML çevrimiçi uç noktası, belirteç tabanlı kimlik doğrulaması kullanılarak dağıtılır. Azure Yapay Zeka Arama hizmetinin bir yönetilen kimliği ve model sağlayıcısında bir rol ataması olmalıdır. AML becerisi daha sonra arama hizmeti kimliğini kullanarak statik anahtar gerektirmeden model sağlayıcısında kimlik doğrulaması yapar. Arama hizmeti kimliğinin Sahip veya Katkıda Bulunan rolü olmalıdır. parametresini resourceId ayarlayın ve arama hizmeti model sağlayıcısından farklı bir bölgedeyse parametresini region ayarlayın.

Beceri girişleri

Beceri girişleri, belge işleme sırasında oluşturulan zenginleştirilmiş bir belgenin düğümüdür. Örneğin, kök belge, normalleştirilmiş bir görüntü veya bir blobun içeriği olabilir. Bu beceri için önceden tanımlanmış giriş yok. Girişler için AML becerisinin yürütülmesi sırasında doldurulan bir veya daha fazla düğüm belirtmeniz gerekir.

Beceri çıkışları

Beceri çıkışları, beceri tarafından oluşturulan zenginleştirilmiş bir belgenin yeni düğümleridir. Bu beceri için önceden tanımlanmış çıkış yok. Çıkışlar için, AML becerinizin JSON yanıtından doldurulabilecek düğümler sağlamanız gerekir.

Örnek tanım

  {
    "@odata.type": "#Microsoft.Skills.Custom.AmlSkill",
    "description": "A custom model that detects the language in a document.",
    "uri": "https://language-model.models.contoso.com/score",
    "context": "/document",
    "inputs": [
      {
        "name": "text",
        "source": "/document/content"
      }
    ],
    "outputs": [
      {
        "name": "detected_language_code"
      }
    ]
  }

Örnek giriş JSON yapısı

Bu JSON yapısı, Foundry hub tabanlı projenize veya AML çevrimiçi uç noktanıza gönderilen yükü temsil eder. Yapının en üst düzey alanları, beceri tanımının bölümünde belirtilen inputs "adlara" karşılık gelir. Bu alanların değerleri, belgedeki bir alandan veya başka bir beceriden gelen bu alanların "kaynaklarından" alınıyor.

{
  "text": "Este es un contrato en Inglés"
}

Örnek çıkış JSON yapısı

Çıktı, Foundry hub tabanlı projenizden veya AML çevrimiçi uç noktanızdan gelen yanıta karşılık gelir. Model sağlayıcısı yalnızca bir JSON yükü döndürmelidir (bu, yanıt üst bilgisine Content-Type bakılarak doğrulanır) ve alanları output içindeki "adlarla" eşleşen zenginleştirmeler olan ve değeri zenginleştirme olarak kabul edilen bir nesne olmalıdır.

{
    "detected_language_code": "es"
}

Satır içi şekillendirme örnek tanımı

  {
    "@odata.type": "#Microsoft.Skills.Custom.AmlSkill",
    "description": "A sample model that detects the language of sentence",
    "uri": "https://language-model.models.contoso.com/score",
    "context": "/document",
    "inputs": [
      {
        "name": "shapedText",
        "sourceContext": "/document",
        "inputs": [
            {
              "name": "content",
              "source": "/document/content"
            }
        ]
      }
    ],
    "outputs": [
      {
        "name": "detected_language_code"
      }
    ]
  }

Satır içi şekillendirme için JSON veri yapısı

{
  "shapedText": { "content": "Este es un contrato en Inglés" }
}

Satır içi biçimlendirme örneği çıkış JSON yapısı

{
    "detected_language_code": "es"
}

Hata durumları

Foundry hub tabanlı projenize veya AML çevrimiçi uç noktanızın kullanılamaması veya başarısız durum kodları göndermesine ek olarak, aşağıdaki durumlar hata olarak kabul edilir:

• Model sağlayıcısı bir başarı durum kodu döndürür, ancak yanıt bunun olmadığını application/jsongösterir. Bu nedenle yanıt geçersizdir ve hiçbir zenginleştirme gerçekleştirilmemektedir.

• Model sağlayıcısı geçersiz JSON döndürüyor.

Model sağlayıcısı kullanılamıyorsa veya bir HTTP hatası döndürüyorsa, HTTP hatasıyla ilgili mevcut ayrıntıları içeren kullanıcı dostu bir hata dizin oluşturucunun yürütme geçmişine eklenir.

İlgili içerik

• Azure Yapay Zeka Arama'te bir beceri kümesi oluşturma
• Tümleşik vektörleştirme (önizleme) için Microsoft Döküm modeli kataloğundaki ekleme modellerini kullanma
• Çevrimiçi uç nokta dağıtımı ve puanlama sorunlarını giderme