Vetorizador do catálogo de modelos do Azure AI Foundry

O vetorizador de catálogo de modelos do Azure AI Foundry se conecta a um modelo de inserção que foi implantado por meio do catálogo de modelos do Azure AI Foundry em um ponto de extremidade do Azure Machine Learning. Seus dados são processados na área geográfica em que o modelo é implantado.

Se você usou a vetorização integrada para criar as matrizes de vetor, o conjunto de habilidades deverá incluir uma habilidade AML apontando para o catálogo de modelos no portal do Azure AI Foundry.

Parâmetros do vetorizador

Os parâmetros diferenciam maiúsculas de minúsculas. Os parâmetros que você escolhe usar dependem do tipo de autenticação que seu ponto de extremidade online AML exige, se houver.

Quais parâmetros de autenticação usar

Os parâmetros de autenticação necessários dependem da autenticação que seu ponto de extremidade online AML usa, se houver. Os pontos de extremidade online do AML fornecem duas opções de autenticação:

• Autenticação baseada em chave. Uma chave estática é fornecida para autenticar as solicitações de pontuação do vetorizador.
  • Usar os parâmetros de URI e chave
• Autenticação baseada em token. O ponto de extremidade online do AML é implantado usando a autenticação baseada em token. A identidade gerenciada do serviço de IA do Azure Search deve estar habilitado. Em seguida, o vetorizador usa a identidade gerenciada do serviço para se autenticar no ponto de extremidade online do AML, sem a necessidade de chaves estáticas. A identidade deve ser atribuída ao proprietário ou à função de colaborador.
  • Use o parâmetro resourceId .
  • Caso o serviço de pesquisa esteja em uma região diferente do espaço de trabalho do AML, use o parâmetro região para definir a região em que o ponto de extremidade online do AML foi implantado

Tipos de consultas vetoriais com suporte

Quais tipos de consulta de vetor são compatíveis com o vetorizador de catálogo de modelos do Azure AI Foundry depende do modelName que está configurado.

Dimensões de campo esperadas

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

Definição de exemplo

Os nomes de modelo sugeridos no catálogo de modelos do Azure AI 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,
        },
    }
]

Confira também

• Vetorização integrada
• Vetorização integrada com modelos do Azure AI Foundry
• Como configurar um vetorizador em um índice de pesquisa
• Habilidades do Azure Machine Learning
• Catálogo de modelos do Azure AI Foundry