Machine Learning und KI mit ONNX in SQL Edge (Vorschau)

Beim maschinellen Lernen in Azure SQL Edge werden Modelle im ONNX-Format (Open Neural Network Exchange) unterstützt. ONNX ist ein offenes Format, das Sie zum Austauschen von Modellen zwischen verschiedenen Frameworks und Tools für maschinelles Lernen verwenden können.

Übersicht

Für Rückschlüsse mit Machine Learning-Modellen in Azure SQL Edge benötigen Sie zunächst ein Modell. Hierbei kann es sich um ein vorab trainiertes Modell oder ein benutzerdefiniertes Modell handeln, das mit Ihrem bevorzugten Framework trainiert wurde. Azure SQL Edge unterstützt das ONNX-Format. Sie müssen das Modell in dieses Format konvertieren. Dies sollte keinerlei Auswirkungen auf die Modellgenauigkeit haben. Nachdem Sie über das ONNX-Modell verfügen, können Sie es in Azure SQL Edge bereitstellen und die native Bewertung mit der PREDICT-Funktion in T-SQL verwenden.

Abrufen von ONNX-Modellen

So rufen Sie ein Modell im ONNX-Format ab:

• Modellerstellungsdienste: Dienste wie das Feature für automatisiertes maschinelles Lernen in Azure Machine Learning und der Custom Vision-Dienst von Azure unterstützen den direkten Export des trainierten Modells in das ONNX-Format.

• Konvertieren und/oder Exportieren vorhandener Modelle: Mehrere Trainingsframeworks, z. B. PyTorch, Chainer und Caffe2, unterstützen native Funktionen für den Export in das ONNX-Format, sodass Sie Ihr trainiertes Modell in einer bestimmten Version des ONNX-Formats speichern können. Für Frameworks, die keinen nativen Export unterstützen, gibt es eigenständige installierbare ONNX-Konverterpakete, mit denen Sie Modelle, die anhand verschiedener Frameworks für maschinelles Lernen trainiert wurden, in das ONNX-Format konvertieren können.

  Unterstützte Frameworks

  • PyTorch

  • TensorFlow

  • Keras

  • scikit-learn

  • Core ML

    Die vollständige Liste mit den unterstützten Frameworks und Beispielen finden Sie unter Konvertieren in das ONNX-Format.

Begrenzungen

Derzeit werden nicht alle ONNX-Modelle von Azure SQL Edge unterstützt. Die Unterstützung ist auf Modelle mit numerischen Datentypen beschränkt:

• int und bigint
• real und float.

Andere numerische Typen können mithilfe von CAST und CONVERT in unterstützte Typen konvertiert werden.

Die Modelleingaben sollten so strukturiert werden, dass jede Eingabe in das Modell einer einzelnen Spalte in einer Tabelle entspricht. Wenn Sie z. B. einen Pandas-DataFrame zum Trainieren eines Modells verwenden, sollte jede Eingabe eine separate Spalte für das Modell sein.

Zugehöriger Inhalt

• Bereitstellen von SQL Edge über das Azure-Portal
• Bereitstellen eines ONNX-Modells in Azure SQL Edge