Bereitstellen von Deep-Learning-Workloads in der Produktion mithilfe von Azure Machine Learning
Die Bereitstellung großer Modelle für Echtzeitrückschlüsse ist aufgrund der Größe des Modells eine Herausforderung. Hier erfahren Sie mehr darüber, welche Möglichkeiten Sie hierbei haben und welche Frameworks Sie verwenden können, um die Leistung Ihres Modells während der Modellbewertung zu optimieren.
Lernziele
In diesem Modul lernen Sie Folgendes:
- Auswählen der geeigneten Rückschlussstrategie
- Optimieren der Modellbewertung mit ONNX
- Bereitstellen von Triton als verwalteten Onlineendpunkt
Voraussetzungen
Bevor Sie mit diesem Modul beginnen, sollten Sie sich mit Azure Machine Learning Service und dem Trainieren von Machine Learning- und Deep-Learning-Modellen vertraut machen.