Katalogvektoriserare för Azure AI Studio-modell

  • Artikel

Viktigt!

Den här vektoriseraren är i offentlig förhandsversion under kompletterande användningsvillkor. REST API för förhandsversion 2024-05-01 stöder den här funktionen.

Azure AI Studio-modellkatalogvektoriseraren ansluter till en inbäddningsmodell som distribuerades via Azure AI Studio-modellkatalogen till en Azure Machine Learning-slutpunkt. Dina data bearbetas i geo-området där din modell distribueras.

Om du använde integrerad vektorisering för att skapa vektormatriserna bör kompetensuppsättningen innehålla en AML-färdighet som pekar på modellkatalogen i Azure AI Studio.

Vectorizer-parametrar

Parametrar är skiftlägeskänsliga. Vilka parametrar du väljer att använda beror på vilken autentisering din AML-onlineslutpunkt kräver, om någon.

Parameternamn beskrivning
uri (Krävs) URI:n för den AML-onlineslutpunkt som JSON-nyttolasten skickas till. Endast https-URI-schemat tillåts.
modelName (Krävs) Modell-ID:t från AI Studio-modellkatalogen som distribueras på den angivna slutpunkten. För närvarande stöds värden
  • OpenAI-CLIP-Image-Text-Embeddings-vit-base-patch32
  • OpenAI-CLIP-Image-Text-Embeddings-ViT-Large-Patch14-336
  • Facebook-DinoV2-Image-Embeddings-ViT-Base
  • Facebook-DinoV2-Image-Embeddings-ViT-Giant
  • Cohere-embed-v3-english
  • Cohere-embed-v3-multilingual
key (Krävs för nyckelautentisering) Nyckeln för AML-onlineslutpunkten.
resourceId (Krävs för tokenautentisering). Azure Resource Manager-resurs-ID för AML-onlineslutpunkten. Det bör vara i formatet subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{workspace-name}/onlineendpoints/{endpoint_name}.
region (Valfritt för tokenautentisering). Den region som AML-onlineslutpunkten distribueras i. Behövs om regionen skiljer sig från söktjänstens region.
timeout (Valfritt) När det anges anger du tidsgränsen för http-klienten som gör API-anropet. Det måste formateras som ett XSD-värde "dayTimeDuration" (en begränsad delmängd av ett ISO 8601-varaktighetsvärde ). Till exempel PT60S i 60 sekunder. Om det inte anges väljs ett standardvärde på 30 sekunder. Tidsgränsen kan anges till högst 230 sekunder och minst 1 sekund.

Vilka autentiseringsparametrar som ska användas

Vilka autentiseringsparametrar som krävs beror på vilken autentisering din AML-onlineslutpunkt använder, om någon. AML-onlineslutpunkter tillhandahåller två autentiseringsalternativ:

  • Nyckelbaserad autentisering. En statisk nyckel tillhandahålls för att autentisera bedömningsbegäranden från vektoriseraren.
    • Använda URI- och nyckelparametrarna
  • Tokenbaserad autentisering. AML-onlineslutpunkten distribueras med hjälp av tokenbaserad autentisering. Azure AI-tjänsten Search hanterade identitet måste vara aktiverad. Vektoriseraren använder sedan tjänstens hanterade identitet för att autentisera mot AML-onlineslutpunkten, utan att några statiska nycklar krävs. Identiteten måste vara tilldelad ägar- eller deltagarroll.
    • Använd parametern resourceId .
    • Om söktjänsten finns i en annan region än AML-arbetsytan använder du regionparametern för att ange den region som AML-onlineslutpunkten distribuerades i

Frågetyper för vektorer som stöds

Vilka vektorfrågetyper som stöds av AI Studio-modellkatalogvektoriseraren beror på vilken modelName som är konfigurerad.

modelName Stöder text fråga Stöder imageUrl fråga Stöder imageBinary fråga
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

Förväntade fältdimensioner

De förväntade fältdimensionerna för ett fält som konfigurerats med en katalogvektoriserare för AI Studio-modellen beror på vilken modelName som är konfigurerad.

modelName Förväntade dimensioner
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

Exempeldefinition

"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,
        },
    }
]

Se även