AML-kunskaper i en Pipeline för Azure AI Search-berikande

Med AML-färdigheten kan du utöka AI-berikandet med en anpassad Azure Machine Learning-modell (AML) eller distribuerad grundläggande inbäddningsmodell i Azure AI Foundry. När en AML-modell har tränats och distribuerats integrerar en AML-färdighet den i en kompetensuppsättning.

Användning av AML-kunskaper

Precis som andra inbyggda kunskaper har en anpassad AML-färdighet indata och utdata. Indata skickas till en distribuerad AML-onlineslutpunkt som ett JSON-objekt. Slutpunktens utdata måste vara en JSON-nyttolast i svaret, tillsammans med statuskoden lyckades. Dina data bearbetas i geo-området där din modell distribueras. Svaret förväntas tillhandahålla de utdata som anges av din AML-färdighetsdefinition . Andra svar anses vara ett fel och inga berikningar utförs.

AML-färdigheten kan anropas med den stabila API-versionen 2024-07-01 eller motsvarande Azure SDK, eller API-versionen 2024-05-01-preview för anslutningar till modellkatalogen i Azure AI Foundry-portalen.

AML-kunskaper för modeller i Azure AI Foundry

Från och med 2024-05-01-preview REST API och i Azure Portal (som även riktar sig mot 2024-05-01-preview) tillhandahåller Azure AI Search katalogvektoriseraren för Azure AI Foundry-modellen för frågetidsanslutningar till modellkatalogen i Azure AI Foundry-portalen. Om du vill använda den vektoriseraren för frågor är en AML-färdighet indexeringsmotsvarigheten för att generera inbäddningar med hjälp av en modell i Azure AI Foundry-modellkatalogen.

Under indexeringen kan AML-färdigheten ansluta till modellkatalogen för att generera vektorer för indexet. Vid frågetillfället kan frågor använda en vektoriserare för att ansluta till samma modell för att vektorisera textsträngar för en vektorfråga. I det här arbetsflödet ska AML-färdigheten och modellkatalogvektoriseraren användas tillsammans så att du använder samma inbäddningsmodell för både indexering och frågor. Mer information och en lista över de inbäddningsmodeller som stöds finns i Använda inbäddningsmodeller från Azure AI Foundry-modellkatalogen.

Vi rekommenderar att du använder guiden Importera och vektorisera data för att generera en kompetensuppsättning som innehåller en AML-färdighet för distribuerade inbäddningsmodeller i Azure AI Foundry. AML-kunskapsdefinitionen för indata, utdata och mappningar genereras av guiden, vilket ger dig ett enkelt sätt att testa en modell innan du skriver någon kod.

Förutsättningar

• En AML-arbetsyta för en anpassad modell som du skapar eller ett projekt i Azure AI Foundry om en inbäddningsmodell distribueras från katalogen.
• En Online-slutpunkt (realtid) på den här arbetsytan för en anpassad modell eller modellslutpunkten för inbäddning av modeller som distribuerats från katalogen.

@odata.type

Microsoft.Skills.Custom.AmlSkill

Kompetensparametrar

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

Autentisering

AML-onlineslutpunkter tillhandahåller två autentiseringsalternativ:

• Nyckelbaserad autentisering. En statisk nyckel tillhandahålls för att autentisera bedömningsbegäranden från AML-kunskaper. Ange parametrarna uri och key för den här anslutningen.

• Tokenbaserad autentisering, där AML-onlineslutpunkten distribueras med hjälp av tokenbaserad autentisering. Azure AI-tjänsten Search hanterade identitet måste vara aktiverad och ha en rolltilldelning på arbetsytan. AML-färdigheten använder sedan tjänstens hanterade identitet för att autentisera mot AML-onlineslutpunkten, utan att några statiska nycklar krävs. Söktjänstens identitet måste vara ägare eller deltagare. Ange parametern resourceId och ange region parametern om söktjänsten finns i en annan region än AML-arbetsytan.

Kunskapsindata

Kunskapsindata är en nod i det berikade dokumentet som skapas under dokumentsprickor. Det kan till exempel vara rotdokumentet, en normaliserad bild eller innehållet i en blob. Det finns inga fördefinierade indata för den här färdigheten. För indata bör du ange en eller flera noder som fylls i vid tidpunkten för AML-färdighetens körning.

Kunskapsutdata

Kunskapsutdata är nya noder i ett berikat dokument som skapats av färdigheten. Det finns inga fördefinierade utdata för den här färdigheten. För utdata bör du ange noder som kan fyllas i från JSON-svaret för din AML-färdighet.

Exempeldefinition

  {
    "@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"
      }
    ]
  }

Exempel på JSON-struktur för indata

Den här JSON-strukturen representerar nyttolasten som skickas till din AML-onlineslutpunkt. De översta fälten i strukturen motsvarar de "namn" som anges i avsnittet i inputs kunskapsdefinitionen. Värdena för dessa fält kommer från fälten source (som kan komma från ett fält i dokumentet eller eventuellt från en annan färdighet)

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

Exempel på JSON-struktur för utdata

Utdata motsvarar svaret som returneras från din AML-onlineslutpunkt. AML-onlineslutpunkten bör endast returnera en JSON-nyttolast (verifierad genom att titta på Content-Type svarshuvudet) och bör vara ett objekt där fälten är berikningar som matchar "namnen" i output och vars värde anses vara berikning.

{
    "detected_language_code": "es"
}

Exempeldefinition för infogad formning

  {
    "@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"
      }
    ]
  }

Infogad formning av indata-JSON-struktur

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

Infogad formningsexempel på JSON-struktur

{
    "detected_language_code": "es"
}

Felfall

Förutom att din AML inte är tillgänglig eller skickar ut icke-kompatibla statuskoder anses följande vara felaktiga fall:

• AML-onlineslutpunkten returnerar en statuskod för lyckad åtgärd, men svaret anger att det inte application/jsonär , då anses svaret vara ogiltigt och inga berikningar utförs.

• AML-onlineslutpunkten returnerar ogiltig JSON.

Om AML-onlineslutpunkten inte är tillgänglig eller returnerar ett HTTP-fel läggs ett användarvänligt fel med tillgänglig information om HTTP-felet till i indexerarens körningshistorik.

Se även

• Så här definierar du en kompetensuppsättning
• Felsökning av AML-slutpunkt online
• Integrerad vektorisering med modeller från Azure AI Foundry